1、 原理讲解
三维空间欧氏距离聚类算法中，涉及到唯一距离参数d。当点之间距离小于距离d 时，表明两点局部相连，属于同一簇点集。其中点之间相连满足如下性质：若点A 与点B 相连，点B 与点C 相连，则点A 与点C 也相连。
下图展示了基于欧氏距离聚类的原理，当距离阈值设置合理时，使用空间欧氏距离聚类算法对点进行聚类，所有的点被划分成左右两簇点集，并且两簇点云中任意两点相连。即对于一簇点中任意点，总能从该簇点中找到离该点距离小于d的另外一点。对于左边点集中C点，右边点集中距离C点最近的D点，两点之间距离大于距离阈值，经过聚类后C点与D点归属于两簇不同的点集。
2、PCL中代码示例
PCL自带基于欧氏距离的聚类，其主要代码如下：
std::vector<std::vector<pcl::PointXYZ>> result;IOLAS IOExample;pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);cloud = IOExample.PointXYZ2Ptr(BeforeCluster);std::vector<pcl::PointIndices>cluster_indices;pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);tree->setInputCloud(cloud);pcl::EuclideanClusterExtraction<pcl::PointXYZ> ec;ec.setMinClusterSize(nmin);ec.setClusterTolerance(disthres);//ec.setMaxClusterSize(nmax);ec.setSearchMethod(tree);ec.setInputCloud(cloud);ec.extract(cluster_indices);for (std::vector<pcl::PointIndices>::const_iterator it = cluster_indices.begin(); it != cluster_indices.end(); ++it){vector<pcl::PointXYZ> onecluster;pcl::PointXYZ onepoint;for (std::vector<int>::const_iterator pit = it->indices.begin(); pit != it->indices.end(); ++pit){onecluster.push_back((*cloud)[*pit]);}result.push_back(onecluster);}
3、聚类效果
下面是两种基于欧氏距离聚类实现的单木分离效果，其中一种对整个点云直接进行聚类，另一种是采用分层策略实现的聚类效果。
直接使用欧氏聚类聚类实现的单体分离
后面图均使用分层+欧氏距离得到的分离结果
说明：
基于欧氏距离的点云聚类，其效果与点簇之间的距离、采取的策略等各方面均相关。
4、基于欧氏聚类的代码下载链接：（基于PCL中API）
下载链接：/download/qq_32867925/86246716
如果觉得《欧氏聚类（API）及其单木分割》对你有帮助，请点赞、收藏，并留下你的观点哦！
