一、简介
通过迭代的方式将每个法线更新为其邻域内所有法线的(加权)平均值来改进一组已经估计的法线。这样做的目的是为了重复使用在估计原始法线时所使用的相同匹配点,以避免重复最近邻居搜索。该功能与Meshlab中的点云法向量的平滑思路类似,不同的是它的每个邻近点存在这距离的加权。
二、实现代码
由于CloudCompare法向量可视化不是很好,所以使用了PCL的可视化,其中可视化部分可以参考这篇文章:PCL学习笔记(三)——可视化,这里就不多说了。
//可视化点云的法向量
通过迭代的方式将每个法线更新为其邻域内所有法线的(加权)平均值来改进一组已经估计的法线。这样做的目的是为了重复使用在估计原始法线时所使用的相同匹配点,以避免重复最近邻居搜索。该功能与Meshlab中的点云法向量的平滑思路类似,不同的是它的每个邻近点存在这距离的加权。
由于CloudCompare法向量可视化不是很好,所以使用了PCL的可视化,其中可视化部分可以参考这篇文章:PCL学习笔记(三)——可视化,这里就不多说了。
//可视化点云的法向量