PCL点云上采样: Moving Least Squares

背景：

pcl官方教程：点击打开链接

运行版本：pcl 1.8.1

1. 使用感受：

这一官方的教程是一个垃圾。对，就是这么直白。你跑一下代码，你就会首先遇到这个编译错误：

/home/UpSample/src/main.cpp:122: warning: ‘void pcl::MovingLeastSquares::setPolynomialFit(bool) [with PointInT = pcl::PointXYZ; PointOutT = pcl::PointNormal]’ is deprecated: [pcl::surface::MovingLeastSquares::setPolynomialFit] setPolynomialFit is deprecated. Please use setPolynomialOrder instead. [-Wdeprecated-declarations]
   mls.setPolynomialFit (true);

原因是：2017年9月pcl弃用了setPolynomialFit()这个函数。

解决办法：删掉这行代码。

然后再跑这个代码，Segmentation fault (core dumped)。这就无解了，我安装的pcl版本是release版本，想debug也不行。

然后呢，我就试试调一下参数，看能不能跑起来。当你往setSearchRadius()里填0.005你就会发现能跑起来了，而且一定要小于等于0.005，而且这个数值只对应 bun0.pcd这个点云。

那么输出的结果怎样？

只有20个点输出。从397个点降为20个点，但我明明想要做的是上采样，不是下采样。。。

而且，这样脆弱的算法，不适宜应用开发。

如果你嫌弃这个官方文档不好用呢，你可以参考pcl/tools/mls_smoothing.cpp文件，或者点击打开链接。

2. 算法细节：

在点云表面上滑动，对于每一个点，找它的领近点，用它的领近点拟合一个曲面，然后再在这个曲面上生成点。

拟合的模型是3维的多项式曲面函数，这个多项式的degree要大于等于2，因为1就代表的是平面。拟合的cost funtion就是真实点和平面之间的距离的最小二乘值。

3. 调参：

不要调了，放弃吧。能调好都是运气啊。

4. 总结：

这个算法本身是一个牛逼算法 （by Lancaster and Salkauskas 1981), 论文在点击打开链接. 有兴趣的可以自己复现，与博主分享一下。但是这个pcl1.8.1里的版本，可以说不能用。参数调整非常重要，调不好，效果不好而且程序会崩。所以，不适用于应用开发。因为不同的点云，需要不同searchRadius。。。