代码:

#include <pcl/ModelCoefficients.h> // 模型系数的数据结构，如平面、圆的系数
#include <pcl/io/pcd_io.h>

#include <pcl/point_types.h> // 点云数据类型
#include <pcl/sample_consensus/method_types.h> // 采样一致性方法（Sample Consensus Methods）的枚举类型，如RANSAC(随机采样一致性)
#include <pcl/sample_consensus/model_types.h> // 采样一致性模型（Sample Consensus Models）的枚举类型，例如平面、圆

#include <pcl/filters/passthrough.h> // 直通滤波器，指定范围筛选
#include <pcl/filters/project_inliers.h> // 点云数据投影到指定模型（如平面），可用于提取点云数据的特定部分

#include <pcl/segmentation/sac_segmentation.h> // 基于采样一致性的分割，将点云数据分割为不同的部分，如平面、圆柱
#include <pcl/surface/concave_hull.h> // 生成点云数据凹多边形（concave Hull）表示的方法，可用于提取点云数据的边界信息
#include <pcl/visualization/cloud_viewer.h>

int main(){

    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>),
            cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>),
            cloud_projected(new pcl::PointCloud<pcl::PointXYZ>);

    // 读取点云数据
    pcl::PCDReader reader;
    reader.read("/home/jason/file/pcl-learning/11surface表面/2在平面模型上提取凸（凹）多边形/table_scene_mug_stereo_textured.pcd", *cloud);

    // 建立过滤器对z轴进行过滤
    pcl::PassThrough<pcl::PointXYZ> pass;
    pass.setInputCloud(cloud);
    pass.setFilterFieldName("z");
    pass.setFilterLimits(0, 1.1);
    pass.filter(*cloud_filtered);
    std::cerr << "PointCloud after filtering has: "
              << cloud_filtered->points.size() << " data points." << std::endl;

    // 分割点云数据
    pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients); // 用于存储模型系数
    pcl::PointIndices::Ptr inliers(new pcl::PointIndices); // 用于存储分割后的点云索引，这里将属于平面的点云索引

    pcl::SACSegmentation<pcl::PointXYZ> seg; // 创建分割对象
    seg.setOptimizeCoefficients(true); // 设置优化系数
    seg.setModelType(pcl::SACMODEL_PLANE);// 设置模型类型为平面
    seg.setMethodType(pcl::SAC_RANSAC); // 设置采用RANSAC算法进行分割
    seg.setDistanceThreshold(0.01); // 设置点到平面的最大距离阈值

    seg.setInputCloud(cloud_filtered);  // 设置输入点云
    seg.segment(*inliers, *coefficients); // 执行点云分割
    std::cerr << "PointCloud after segmentation has: "
              << inliers->indices.size() << "inliers." << std::endl;

    // 对点云投影
    pcl::ProjectInliers<pcl::PointXYZ> proj; // 创建投影对象滤波器对象
    proj.setModelType(pcl::SACMODEL_PLANE); // 设置模型类型为平面
    proj.setIndices(inliers); // 设置输入点云的索引
    proj.setInputCloud(cloud_filtered); // 设置输入点云
    proj.setModelCoefficients(coefficients); // 平面模型的系数设置到投影滤波器中
    proj.filter(*cloud_projected); // 进行投影滤波
    std::cerr << "PointCloud after projection has: "
              << cloud_projected->points.size() << " data points. " << std::endl;

    // 存储提取多边形上的点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_hull(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::ConcaveHull<pcl::PointXYZ> chull; // 创建多边形提取对象
    chull.setInputCloud(cloud_projected); // 设置输入点云为
    chull.setAlpha(0.1);
    chull.reconstruct(*cloud_hull);

    std::cerr << "Concave hull has: " << cloud_hull->points.size()
              << " data points." << std::endl;
    pcl::PCDWriter writer;
    writer.write("/home/jason/file/pcl-learning/11surface表面/2在平面模型上提取凸（凹）多边形/table_scene_mug_stereo_textured_hull.pcd",
                 *cloud_hull, false);


    pcl::visualization::CloudViewer viewer("cloud viewer");
    viewer.showCloud(cloud);  // 每次只能展示一个
//    viewer.showCloud(cloud_filtered);
//    viewer.showCloud(cloud_hull);

    while (!viewer.wasStopped() ) {

    }


    return 0;
}