pcl点云数据的线特征提取的方案

我现在需要对点云数据提取特征线，比如边缘线之类的。
pcl库对于点云数据的点特征提取有很多对应的方法，但是没查到关于线特征提取的。
想问一下大佬们，pcl支持特征线提取吗，是不是我找资料的时候找错了关键词。

忘了把找到的方法写出来了

 int arg_kNearest = 30;//一般这里的数值越高，最终边界识别的精度越好
    int arg_Angle = 144;//角度值，0-360

    pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
    pcl::PointCloud<pcl::Boundary> boundaries;//Boundary,表示点是否位于表面边界的描述的点结构
    pcl::BoundaryEstimation<pcl::PointXYZRGBA, pcl::Normal, pcl::Boundary> est; //BoundaryEstimation使用角度标准估计一组点是否位于表面边界上
    pcl::search::KdTree<pcl::PointXYZRGBA>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZRGBA>());

    //其中pcl::PointXYZ表示输入类型数据，pcl::Normal表示输出类型,且pcl::Normal前三项是法向，最后一项是曲率
    pcl::NormalEstimation<pcl::PointXYZRGBA, pcl::Normal> normEst;//NormalEstimation类，用于估计每个3D点的局部表面属性（表面法线和曲率）
    normEst.setInputCloud(input_cloud);
    normEst.setSearchMethod(tree);
    // normEst.setRadiusSearch(2);  //法向估计的半径
    normEst.setKSearch(9);  //法向估计的点数
    normEst.compute(*normals);
    cout << "normal size is " << normals->size() << endl;

    //normal_est.setViewPoint(0,0,0); //这个应该会使法向一致
    est.setInputCloud(input_cloud);
    est.setInputNormals(normals);
    //est.setAngleThreshold(M_PI *4/5);//默认是M_PI/2，  M_PI是180度
    est.setAngleThreshold(M_PI*(arg_Angle % 360) / 180);
    //est.setSearchMethod (pcl::search::KdTree<pcl::PointXYZ>::Ptr (new pcl::search::KdTree<pcl::PointXYZ>));
    est.setSearchMethod(tree);
    est.setKSearch(arg_kNearest);  
                                   //est.setRadiusSearch(everagedistance);  //搜索半径
    est.compute(boundaries);

    //pcl::PointCloud<pcl::PointXYZ> boundPoints;
    pcl::PointCloud<pcl::PointXYZRGBA>::Ptr boundPoints(new   pcl::PointCloud<pcl::PointXYZRGBA>);
    pcl::PointCloud<pcl::PointXYZRGBA> noBoundPoints;
    int countBoundaries = 0;
    for (int i = 0; i<input_cloud->size(); i++)
    {
        uint8_t x = (boundaries.points[i].boundary_point);
        int a = static_cast<int>(x); //该函数的功能是强制类型转换
        if (a == 1)
        {
            //  boundPoints.push_back(cloud->points[i]);
            (*boundPoints).push_back(input_cloud->points[i]);
            countBoundaries++;
        }
        else
            noBoundPoints.push_back(input_cloud->points[i]);
    } 
//boundPoints就是最后要的结果

https://blog.csdn.net/qq_34719188/article/details/79183199

边缘检测有很多算法