利用KMeans算法对点云数据进行分类

#Author ZTY
import numpy as np

def kmean（xkmaxtimes）:
    mn = np.shape（x）
    # 0矩阵的格式np.zeros（[mn]）
    dataset = np.zeros（[mn+1]）
    dataset[::-1] = x
    #middle = dataset[np.random.randint（msize=k）:]
    middle = dataset[0:3:]
    middle[:-1] = range（1k+1）
    times = 0
    oldmiddle = None
    while not shouldstop（oldmiddlemiddletimesmaxtimes）:
        print（‘times:‘times）
        print（‘dataset:‘dataset）
        print（‘middle:‘middle）
        oldmiddle = np.copy（middle）
        times = times + 1
        update（datasetmiddle）
        middle = getmiddles（datasetk）
    return dataset

def shouldstop（oldmiddlemiddletimesmaxtimes）:
    if times > maxtimes:
        return True
    return np.array_equal（oldmiddlemiddle）


def update（datasetmiddle）:
    mn =dataset.shape
    for i in range（0m）:
        dataset[i-1] = getLabelFromCloestCentroid（dataset[i:-1]middle）

def getLabelFromCloestCentroid（datasetRowmiddle）:
    label = middle[0-1]
    minDist = np.linalg.norm（datasetRow - middle[0:-1]）
    #np.linalg.norm（a-b）用来计算ab两点之间的距离，a.b如果是list，必须要np.array（a）进行格式转换
    for i in range（1middle.shape[0]）:
        dist = np.linalg.norm（datasetRow - middle[i:-1]）
        if dist < minDist:
            minDist = dist
            label = middle[i-1]
    print（‘minDist‘minDist）
    print（‘label‘label）
    return label

def getmiddles（datatsetk）:
    result = np.zeros（（kdatatset.shape[1]））
    for i in range（1k+1）: