一、平面度算法思路
通过离散点拟合平面，也就是说，要找到一个平面z=ax+by+c，使这平面到各个点的“距离”最近，根据最小二乘法，，也就是说我们要求得一组a,b,c,使得对于已有的离散点来说，S的值最小，系数矩阵的逆矩阵求得
由此理论可得出：
1.平面拟合的平面方程、平面度。
2.接下来我们尝试带入自定义的点云数据计算：
（0.05、0.95）为点到平面度的距离排序后，去除最大百分之5与最小百分之5的数据，起滤波作用，视情况而定可以，数据无需滤波设置为1.
运行结果：
二、halcon3D显示+点云裁剪
1.尝试用百度的点云数据计算平面度，以此文件为例实验，26924个点云数据。
2.使用halcon3D显示此点云：
此时也不得不感叹halcon的强大，万计的数据也只需要不到0.5s，由于时间原因就没有去尝试更大的文件，应该上百万的点云读取显示时间也应该在10s内。
2.点云转深度图裁剪
此裁剪方法便是使用halcon中draw_rectangle1算子划分区域，用选中的大区域减去需要删除的区域，结果如图所示:
3.计算平面度
刚刚利用halcon得到此3D模型，便可以用此3D模型的点云直接带入刚才我们在C#中所写的平面度计算函数，与各大厂商的SDK平面度算法做对比，FlatnessNew为厂商SDK所提供的平面度算法，Flatness则为我们刚刚C#代码中带入3组Float[]（分别为X、Y、Z三轴的坐标）所计算出的结果，误差均在0.1内。


PS：初来乍到，希望与各位大佬互相学习讨论共同进步，若有问题请指正，QQ：1607928152