pcl之MLS算法計算並統一法向量

利用MLS算法計算法向量，並統一法向。MLS其餘說明

該算法比直接基於SVD的算法慢，可是對法向進行了統一。

#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/features/normal_3d.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/surface/mls.h>
#include <pcl/console/time.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/visualization/pcl_visualizer.h> //包含基本可視化類
#include <boost/thread/thread.hpp>
#include <pcl/point_cloud.h>
using namespace std;
typedef pcl::PointXYZ point;
typedef pcl::PointCloud<point> pointcloud;


int main (int argc,char **argv)
{
        pointcloud::Ptr cloud (new pointcloud);
        pcl::io::loadPCDFile(argv[1],*cloud);
        cout<<"points size is:"<<cloud->size()<<endl;
        pcl::search::KdTree<point>::Ptr tree (new pcl::search::KdTree<point>);

        //建立存儲的mls對象
        pcl::PointCloud<pcl::PointNormal> mls_points;
        //   pcl::PointCloud<point> mls_points;

        //建立mls對象
        pcl::MovingLeastSquares<point,pcl::PointNormal> mls;
        
        //   pcl::MovingLeastSquares<point,point> mls;

        mls.setComputeNormals(true);
        mls.setInputCloud(cloud);
        mls.setPolynomialFit(true); //設置爲true則在平滑過程當中採用多項式擬合來提升精度
        mls.setPolynomialOrder(2); //MLS擬合的階數，默認是2
        mls.setSearchMethod(tree);
        mls.setSearchRadius(5.1);  //搜索半徑
        
        mls.process(mls_points);
        pcl::PointCloud<pcl::PointNormal>::Ptr mls_points_normal (new pcl::PointCloud<pcl::PointNormal>);
        mls_points_normal = mls_points.makeShared();
        
        cout<<"mls poits size is: "<<mls_points.size()<<endl;


        boost::shared_ptr<pcl::visualization::PCLVisualizer> view(new pcl::visualization::PCLVisualizer ("test"));
        view->setBackgroundColor(0.0,0,0);
        pcl::visualization::PointCloudColorHandlerCustom<pcl::PointNormal> v(mls_points_normal,0,250,0);
        view->addPointCloud<pcl::PointNormal>(mls_points_normal,v,"sample");
        view->addPointCloudNormals<pcl::PointNormal>(mls_points_normal,10,10,"normal");
        view->addCoordinateSystem(1.0); //創建空間直角座標系
        view->spin();
        
        
        // Save output
        pcl::io::savePCDFile ("mid-mls.pcd", mls_points);

}

第一幅圖片爲基於MLS計算的法向，並進行了統一。
第二幅圖片爲SVD計算，法向具備二異性。