DBSCAN聚类算法，是基于密度的聚类算法。该算法需要两个参数。
labels = np.array(pcd.cluster_dbscan(eps=0.02, min_points=10, print_progress=True))
入参：
- eps： 定义到聚类邻居的距离
- min_points： 定义形成聚类所需的最小点数。
出参：
- 该函数返回一个标签，其中标签-1表示噪音。
该算法定义以选中的点开始蔓延，邻居点距离<=0.02米，最小有10个点就可以构成一个簇；适用于原始点云分隔的比较开的，有明显界限的点云。
原始点云被分成了10个聚簇，每个聚簇不同的颜色，只有3个聚簇的点数比较巨大，明显一些。另外右边角落有一块比较小的片段。
点云聚类后分类别提取及可视化效果图如下：
官方例子算法效果：
