点云处理实操 基于多项式重构的平滑和法线估计

目录

基于多项式重构的平滑和法线估计

一、什么是移动最小二乘法（Moving Least Squares, MLS）

二、算法原理

三、算法应用

四、PCL代码实践

基于多项式重构的平滑和法线估计

原文地址：Smoothing and normal estimation based on polynomial reconstruction — Point Cloud Library 0.0 documentation (pcl.readthedocs.io)

使用统计分析很难消除某些数据不规则性（由较小的距离测量误差引起）。要创建完整的模型，必须考虑光滑的表面以及数据中的遮挡。在无法获取其他扫描的情况下，一种解决方案是使用重采样算法，该算法尝试通过周围数据点之间的高阶多项式插值来重新创建表面的缺失部分。通过执行重采样，可以纠正这些小的错误，并且可以将多个扫描记录在一起执行平滑操作合并成同一个点。（通过重新采样，可以纠正这些小误差，并且可以平滑由于多次扫描一起注册而产生的“双壁”伪影。）

因此本质这种方法是通过多项式插值的进行点云补全，可以理