本文为博主原创文章，未经博主允许不得转载。
本文为专栏《python三维点云从基础到深度学习》系列文章，地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。

        点云分割的目的是将点云中属于不同部分的点加以区分。最直接的点云分割方法就是聚类，八种点云聚类方法（一）— DBSCAN_Coding的叶子的博客-CSDN博客这个在前面几节之中已经进行了详细介绍。本节将简要介绍另外几种点云分割的方法。采用深度学习的点云分割方法将在深度学习章节中进行介绍。

1 RANSAC分割平面

        RANSAC为Random Sample Consensus的缩写，即随机抽样一致性，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。RANSAC算法的基本理论基础是大数定律，也就是当采样数达到一定数量后采样的数据就会符合它自身原有的概率属性。这是一种通过概率的方式来进行拟合。

        以RANSAC平面分割为例，由于三个点可以确定一个平面，因此RANSAC会随机选择三个点来构建一个平面，并用点云中实际上有多少个点落到这个平面上来作为评估这个平面的正确程度。当随机抽样的次数足够多时，我们有较大概率获得所需要的平面。平面方程如下所示：