4. 点云分割与聚类

点云分割，说白了就是把一堆乱七八糟的点，按物体或结构分开。你想想看，机械臂要抓一个零件，总得先知道哪个点属于这个零件吧？这就是分割要做的事。

我刚开始做无序分拣时，觉得分割很简单——不就是把点分开吗？结果第一次上产线就翻车了。点云噪声、物体堆叠、反光干扰……各种问题全冒出来。后来我才明白，选对分割方法，比调参重要十倍。

这一章，我带你过四种最常用的点云分割方法。每种我都踩过坑，咱们直接说干货。

4.1 欧式聚类：最基础的距离分割

欧式聚类，原理简单到离谱：点与点之间距离近的，归为一类。它基于欧几里得距离，配合 KD-Tree 加速搜索。

核心参数就两个：

• 聚类容忍度（Cluster Tolerance）：两点之间的最大距离阈值。设小了，一个物体被切成好几块；设大了，不同物体粘在一起。
• 最小/最大点数：过滤掉太小（噪声）或太大（背景墙）的聚类。

我在项目里遇到过一个问题：工件表面有凹槽，凹槽内的点距离稍远，结果一个工件被分成了两半。后来我加了体素滤波预处理，把点云均匀化，问题就解决了。

// PCL 欧式聚类示例
pcl::EuclideanClusterExtraction<pcl::PointXYZ> ec;
ec.setClusterTolerance(0.02);  // 2cm
ec.setMinClusterSize(100);
ec.setMaxClusterSize(25000);
ec.setSearchMethod(tree);
ec.setInputCloud(cloud_filtered);
ec.extract(cluster_indices);

4.2 区域生长：基于法线一致性的分割

欧式聚类只看距离，但有些场景距离近的物体其实不是同一个——比如堆叠的工件。这时候就要用区域生长了。

区域生长的思路是：从种子点出发，检查邻居点的法线方向和曲率是否接近。如果接近，就归入同一区域。

为什么会这样？因为同一个光滑表面上的点，法线变化是连续的。而不同物体之间的法线会突变。

我记得有一次做汽车钣金件分拣，工件表面有油污反光，点云噪声很大。欧式聚类完全不行，但区域生长靠着法线一致性，硬是把工件从背景里抠出来了。

参数	作用	我的经验值
法线夹角阈值	判断两点是否在同一平面	15°~30°
曲率阈值	判断是否为平滑区域	0.05~0.1
最小聚类点数	过滤小区域	50~200

4.3 基于超体素的聚类：过分割再合并

超体素（Supervoxel）的思路很有意思：先把点云过分割成很多小片（超体素），然后根据这些小片的特征（颜色、法线、空间位置）合并成最终物体。

你可以把它理解成：先切碎，再拼回去。这样做的好处是——对噪声和局部缺失不敏感。

超体素聚类的流程：

1. 体素化：把点云分成小立方体网格
2. 流形距离计算：计算相邻体素之间的几何距离和颜色距离
3. 局部聚类：基于流形距离生成超体素
4. 超体素合并：用图割或层次聚类合并成最终物体

我个人的习惯是，在物体表面纹理复杂、或者有轻微堆叠时，优先用超体素。它比欧式聚类鲁棒，比区域生长快。

// PCL 超体素聚类示例
pcl::SupervoxelClustering<pcl::PointXYZRGBA> super(voxel_resolution, seed_resolution);
super.setInputCloud(cloud);
super.setColorImportance(0.2f);
super.setSpatialImportance(0.4f);
super.setNormalImportance(1.0f);
super.extract(supervoxel_clusters);

4.4 平面与圆柱分割：用模型拟合找结构

有时候我们不需要分割出完整物体，只需要找到特定的几何结构——比如桌面、墙面、圆柱形工件。这时候就用模型拟合分割。

最经典的方法是 RANSAC（随机采样一致性）。它的逻辑很简单：随机选几个点拟合一个模型，然后看有多少点支持这个模型。支持的点多，就认为找到了一个有效结构。

4.4.1 平面分割

平面分割在分拣里太常用了。比如：

• 从点云里去掉桌面，只保留工件
• 找到料箱的底面，确定抓取高度
• 分割出工件上的平面特征，辅助位姿估计

// PCL 平面分割
pcl::SACSegmentation<pcl::PointXYZ> seg;
seg.setModelType(pcl::SACMODEL_PLANE);
seg.setMethodType(pcl::SAC_RANSAC);
seg.setDistanceThreshold(0.01);  // 1cm
seg.setInputCloud(cloud);
seg.segment(inliers, coefficients);

4.4.2 圆柱分割

圆柱分割在分拣圆形工件（如轴承、瓶罐、管件）时特别有用。RANSAC 拟合圆柱需要估计：轴线方向、半径、中心点。

参数比平面多，但效果很稳。我记得有一次做饮料瓶分拣，瓶子是透明的，深度相机几乎拍不到表面。但瓶口和瓶底是圆柱形，用圆柱分割反而能稳定检出。

模型	最少点数	关键参数	典型应用
平面	3	距离阈值	桌面去除、料箱底面
圆柱	6	距离阈值 + 半径范围	圆形工件、管件
球体	4	距离阈值 + 半径范围	轴承、球状物体

4.5 四种方法怎么选？一张图说清楚

下面这张图是我自己总结的选型逻辑，每次做项目前我都会过一遍。

4.6 实战中的组合策略

说实话，实际项目里很少只用一种分割方法。我通常的做法是：

1. 先用平面分割去掉桌面或料箱底面
2. 再用欧式聚类或超体素分割出单个物体
3. 最后用区域生长或圆柱分割提取物体上的特征结构

举个例子，做轴承分拣时：平面分割去掉工作台 → 欧式聚类分出每个轴承 → 圆柱分割提取轴承外圈 → 用外圈点云做位姿估计。一套流程下来，抓取成功率从 60% 提到了 95%。