为了测试我的PCL客户机代码，我生成了一组人工点，它们都位于一个平面上（类似于平面模型a*x+b*y+c*z+d=0的a,b,c,d = 1,1,-1,0）。在拟合平面模型后，我希望任何与上述系数线性相关的东西。
点云的范围（和大小）由我提供给程序的参数n确定。并且该值似乎对拟合的结果有影响。
对于n的小值，我确实从RANSAC分割中接收到了预期的系数，但是对于更大的值，不知何故会产生错误。
示例输出：

$ ./a.out 240
point cloud contains 230400 points
a,b,c,d = -0.577313, -0.577376, 0.577362, 1.77026e-05, 
$ ./a.out 280
point cloud contains 313600 points
a,b,c,d = -0.577325, -0.577396, 0.57733, 0.142751, 
$ ./a.out 320
point cloud contains 409600 points
a,b,c,d = 0.577364, 0.577353, -0.577334, -0.202786,
$ ./a.out 1000
point cloud contains 4000000 points
a,b,c,d = -0.578332, -0.577762, 0.575954, 0.276675, 
$ ./a.out 5000
point cloud contains 100000000 points
a,b,c,d = 0.35787, 0.718142, -0.596826, -162.683,

正如您所看到的，特别是d项似乎随着点云的大小而增长。
为什么会这样？我能做点什么来弥补吗？
下面是我的代码：

#include <iostream>
#include <string>

#include <pcl/ModelCoefficients.h>
#include <pcl/point_types.h>
#include <pcl/sample_consensus/method_types.h>
#include <pcl/sample_consensus/model_types.h>
#include <pcl/segmentation/sac_segmentation.h>

int main(int argc, char** argv) {
  // generate point cloud
  double n = 10;
  if (argc > 1) {
    n = std::stod(argv[1]);
  }
  pcl::PointCloud<pcl::PointXYZ>::Ptr plane(new pcl::PointCloud<pcl::PointXYZ>);
  for (double i = -n; i < n; i+=1.) {
    for (double j = -n; j < n; j+=1.) {
      pcl::PointXYZ point;
      // coefficients should be something like: a, a, -a, 0
      // a*x + b*y + c*z + d = 0
      point.x = i; point.y = j; point.z = i + j;
      plane->points.push_back(point);
    }
  }
  std::cout << "point cloud contains " << plane->points.size() << " points\n";
  // fit plane
  // as seen here:
  // https://pcl.readthedocs.io/projects/tutorials/en/latest/planar_segmentation.html
  pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);
  pcl::PointIndices::Ptr inliers(new pcl::PointIndices);
  pcl::SACSegmentation<pcl::PointXYZ> seg;
  seg.setOptimizeCoefficients(true);
  seg.setModelType(pcl::SACMODEL_PLANE);
  seg.setMethodType(pcl::SAC_RANSAC);
  seg.setDistanceThreshold(0.01);
  seg.setInputCloud(plane);
  seg.segment(*inliers, *coefficients);
  // print coefficients
  std::cout << "a,b,c,d = ";
  for (auto c : coefficients->values) std::cout << c << ", ";
  std::cout << "\n";
}

我是这样构建的：

$ g++ test.cc `pkg-config --cflags --libs pcl_segmentation-1.8`

这应该是来自Ubuntu 18.04存储库的标准PCL（libpcl1.8-dev）。
与Ubuntu 20.04相同的结果：

$ g++ test.cc `pkg-config --cflags --libs pcl_segmentation-1.10 eigen3`

Ubuntu 22.04：

$ g++ test.cc `pkg-config --cflags --libs pcl_segmentation-1.12 eigen3`