【PCL-4】点云平滑处理--移动最小二乘算法（MLS）

在测量较小的数据时会产生一些误差，这些误差所造成的不规则数据如果直接拿来曲面重建的话，会使得重建的曲面不光滑或者有漏洞，可以采用对数据重采样来解决这样问题，通过对周围的数据点进行高阶多项式插值来重建表面缺少的部分。

示例代码：

#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/kdtree/kdtree_flann.h>  //kd-tree搜索对象的类定义的头文件
#include <pcl/surface/mls.h>        //最小二乘法平滑处理类定义头文件
 
int main(int argc, char** argv)
{
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>());
	pcl::io::loadPCDFile("E://TY//camport3-master//cylinder.pcd", *cloud);
 
	// 创建 KD-Tree
	pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
 
	// Output has the PointNormal type in order to store the normals calculated by MLS
	pcl::PointCloud<pcl::PointNormal> mls_points;
 
	// 定义最小二乘实现的对象mls
	pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointNormal> mls;
 
	mls.setComputeNormals(true);  //设置在最小二乘计算中需要进行法线估计
 
	// Set parameters
	mls.setInputCloud(cloud);
	mls.setPolynomialFit(true); //设置false，可以加速平滑
	mls.setSearchMethod(tree);
	mls.setSearchRadius(35.0); //单位m，设置用于拟合的K近邻半径
 
	// Reconstruct
	mls.process(mls_points); //输出
 
	// Save output
	pcl::io::savePCDFile("E://TY//camport3-master//bun0-mls2.pcd", mls_points);
}

注：调整etSearchRadius(35.0)参数值，确定搜索半径，在此半径里进行表面映射和曲面拟合，半径越小拟合后曲面的失真度越小，反之可能出现过拟合的现象。

参考链接 PCL: Surface模块之Moving Least Squares（移动最小二乘法）_movingleastsquares_云初的博客-CSDN博客

总结：

点云数据模型构建处理流程：