pcl::EuclideanClusterExtraction 对比 pcl::Kmeans
pcl::EuclideanClusterExtraction vs pcl::Kmeans
在PCL教程中，我们可以学习如何分割平面和提取欧氏簇点云。所以现在，在我使用 pcl::EuclideanClusterExtraction 算法之后。我需要每个簇的质心或平均位置。
使用 pcl::EuclideanClusterExtraction 我需要用 for 循环计算质心。经过我的搜索，我发现 pcl::Kmeans 直接提供了一个函数 get_centroids() 来获取簇的质心：https://pointclouds.org/documentation/classpcl_1_1_kmeans.html#a8788bd4098ea370e018119fc516a5eb4
现在，我有点困惑。 pcl::EuclideanClusterExtraction 和 pcl::Kmeans 之间的实际应用有什么不同？分析源码后，pcl::EuclideanClusterExtraction为我们提供了基于三个参数的聚类。 pcl::Kmeans 如果我们确定要生成多少个集群，则使用 pcl::Kmeans，因为构造函数中的参数 Kmeans (unsigned int num_points, unsigned int num_dimensions).
这是真的吗？还有其他情况吗？
这是两种截然不同的算法：
- k-means clustering 迭代查找球形点簇（通常为 high-dimensional），其中簇亲和力基于到簇中心的距离。从数学的角度来看：它选择的质心将最小化聚类点到质心的平方距离 - 如前所述，每个点都属于具有最近质心的聚类。
- cluster_extraction是一种基于最近邻的贪心区域增长算法。集群亲和力基于到集群任意点的距离（集群容差参数）。
聚类提取，公差大于blue/black点之间的距离，但小于黑点和蓝点之间的距离：
k-means 且 k=2
在PCL教程中，我们可以学习如何分割平面和提取欧氏簇点云。所以现在，在我使用 pcl::EuclideanClusterExtraction 算法之后。我需要每个簇的质心或平均位置。
使用 pcl::EuclideanClusterExtraction 我需要用 for 循环计算质心。经过我的搜索，我发现 pcl::Kmeans 直接提供了一个函数 get_centroids() 来获取簇的质心：https://pointclouds.org/documentation/classpcl_1_1_kmeans.html#a8788bd4098ea370e018119fc516a5eb4
现在，我有点困惑。 pcl::EuclideanClusterExtraction 和 pcl::Kmeans 之间的实际应用有什么不同？分析源码后，pcl::EuclideanClusterExtraction为我们提供了基于三个参数的聚类。 pcl::Kmeans 如果我们确定要生成多少个集群，则使用 pcl::Kmeans，因为构造函数中的参数 Kmeans (unsigned int num_points, unsigned int num_dimensions).
这是真的吗？还有其他情况吗？
这是两种截然不同的算法：
- k-means clustering 迭代查找球形点簇（通常为 high-dimensional），其中簇亲和力基于到簇中心的距离。从数学的角度来看：它选择的质心将最小化聚类点到质心的平方距离 - 如前所述，每个点都属于具有最近质心的聚类。
- cluster_extraction是一种基于最近邻的贪心区域增长算法。集群亲和力基于到集群任意点的距离（集群容差参数）。
聚类提取，公差大于blue/black点之间的距离，但小于黑点和蓝点之间的距离：
k-means 且 k=2