移动最小二乘法

相机扫描的点云存在问题，点云会不在一个平面上，以此使用点云平滑算法，将点云变得平滑

    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud1(new pcl::PointCloud<pcl::PointXYZ>);
    
    pcl::VoxelGrid<pcl::PointXYZ> sor2;
    sor2.setInputCloud(cloud);
    sor2.setLeafSize(downsample, downsample, downsample);  //大小为2*2*2
    sor2.filter(*cloud1);
    pcl::PointCloud<pcl::PointNormal>::Ptr smoothedCloud(new pcl::PointCloud<pcl::PointNormal>);
    // Smoothing object (we choose what point types we want as input and output).
    pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointNormal> filter;
    pcl::search::KdTree<pcl::PointXYZ>::Ptr kdtree;
    filter.setInputCloud(cloud1);
    //filter.setUpsamplingMethod(filter.SAMPLE_LOCAL_PLANE); // 增加密度较小区域的密度对于holes的填补却无能为力，具体方法要结合参数使用
    filter.setSearchRadius(2);// 用于拟合的K近邻半径。在这个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，反之有可能出现过拟合的现象。
    filter.setPolynomialFit(true); // 对于法线的估计是有多项式还是仅仅依靠切线。true为加多项式；false不加，速度较快
    filter.setPolynomialFit(3); // 拟合曲线的阶数
    filter.setComputeNormals(true); // 是否存储点云的法向量，true 为存储，false 不存储
    filter.setSearchMethod(kdtree);
    filter.process(*smoothedCloud); // 输出