PCL如何对有序点云中值滤波

在 PCL 中，可以使用 `pcl::MovingLeastSquares` 类来对有序点云进行值滤波。这个类使用最小二乘法拟合一个平滑的曲面，然后将每个点替换为曲面上的对应点。这样可以有效地去除离群点和噪声。

下面是一个简单的示例代码，演示如何使用 `pcl::MovingLeastSquares` 类进行有序点云的值滤波：

#include <pcl/point_types.h>
#include <pcl/filters/passthrough.h>
#include <pcl/filters/moving_least_squares.h>

int main(int argc, char** argv)
{
  // Load input point cloud
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
  pcl::io::loadPCDFile("input.pcd", *cloud);

  // Filter out points outside a certain range
  pcl::PassThrough<pcl::PointXYZ> pass;
  pass.setInputCloud(cloud);
  pass.setFilterFieldName("z");
  pass.setFilterLimits(0.0, 1.0);
  pass.filter(*cloud);

  // Apply moving least squares filter
  pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointXYZ> mls;
  mls.setInputCloud(cloud);
  mls.setSearchRadius(0.03);
  mls.setPolynomialFit(true);
  mls.setPolynomialOrder(2);
  mls.setUpsamplingMethod(pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointXYZ>::SAMPLE_LOCAL_PLANE);
  mls.setUpsamplingRadius(0.03);
  mls.setUpsamplingStepSize(0.02);
  pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);
  mls.process(*filtered_cloud);

  // Save output point cloud
  pcl::io::savePCDFile("output.pcd", *filtered_cloud);

  return 0;
}

在这个例子中，我们首先使用 `pcl::PassThrough` 类来过滤掉点云中在 z 轴上高度小于 0 或大于 1 的点。然后，我们使用 `pcl::MovingLeastSquares` 类对剩余的点云进行值滤波。我们指定了搜索半径、多项式拟合的阶数和局部平面采样等参数。最后，我们将过滤后的点云保存到文件中。

需要注意的是，`pcl::MovingLeastSquares` 类只适用于有序点云，因为它需要知道每个点的邻域信息。如果你的点云是无序的，可以先使用 `pcl::VoxelGrid` 类将其转换为有序点云。