PclSharp1.12.0--MLS点云上采样增加点云密度

一、MLS上采样

MLS算法基于最小二乘法，通过拟合每个点的局部领域曲面来重构点云，对于每个点，MLS算法会选择一个局部邻域，并再改邻域内生成一个曲面拟合模型。然后，根据拟合模型算法会计算出在该点的新位置，从而实现点云的增采样。

增采样的特点是可极大的增加点云数据，但由于内插点的不确定性会导致最后输出的结果不一定准确。测试得出增采样,只能增加点的密度，但对于空洞的填补无能为力。

二、代码部分

注：测试代码均使用PclSharp1.12.0库

        /// <summary>
        /// 增采样
        /// </summary>
        /// <param name="inCloud">原点云</param>
        /// <param name="radiusSearch">搜索半径</param>
        /// <param name="upsamplingRadius">采样半径</param>
        /// <param name="upsamplingStepSize">采样步数</param>
        /// <returns></returns>
        public static PointCloudOfXYZ UpSampling(PointCloudOfXYZ inCloud, double radiusSearch = 1,double upsamplingRadius = 1, double upsamplingStepSize = 1)
        {
            try
            {
                PointCloudOfXYZ cloudFiltered = new PointCloudOfXYZ();//滤波后的点云
                using (var kdtree = new KdTreeOfXYZ())
                using (var filter = new MovingLeastSquaresOfPointXYZAndPointXYZ())
                {
                    filter.SetInputCloud(inCloud);
                    filter.SetSearchMethod(kdtree);
                    //设置搜索域的半径
                    filter.SearchRadius = radiusSearch;
                    //采样方法
                    filter.SetUpsamplingMethod(UpsamplingMethod.SAMPLE_LOCAL_PLANE);
                    //采样半径
                    filter.UpsamplingRadius = upsamplingRadius;
                    //采样的步数大小
                    filter.UpsamplingStepSize = upsamplingStepSize;
                    filter.Process(cloudFiltered);
                }
                return cloudFiltered;//返回滤波后的点云
            }
            catch (Exception)
            {
                return inCloud;//返回滤波前的点云
            }
        }
三、结果显示