PCL point cloud segmentation: Conditional Euclidean clustering algorithm

背景：

pcl官方教程: Conditional Euclidean Clustering

1.使用感受

该算法本质上是基于region growing segmentation的技术发展而来。如需进一步了解相关内容，请访问我的另一篇文章：点击打开链接。在这一方法中，我们取消了传统的蔓延限制机制，并允许用户自定义实现方式。例如：enforceIntensitySimilarity、enforceCurvatureOrIntensitySimilarity以及customRegionGrowing等条件函数可供选择。在自定义实现中，需要通过setConditionFunction接口来传递所需参数，并在代码中完成必要的逻辑扩展。具体到阈值设置部分，在自定义实现中需要通过setConditionFunction接口来传递所需参数，并根据具体应用需求进行适当调整以达到最佳效果。与之前介绍的region growing segmentation方法相比，在参数调节上具有一定的灵活性优势，并且可以根据不同的应用场景进行针对性优化以获得更好的分割效果

如果你有关于场景中墙壁、地板等物体表面点数量的先验信息，则可以利用用户的setMaxClusterSize()方法去除这些不需要的数据。接着使用setMinClusterSize()方法去除一些噪声数据。最后可以通过getRemo