pcl_surface使用

### 使用PCL Surface模块进行点云处理

#### 移动最小二乘法（MLS）

为了平滑噪声并提高点云质量，移动最小二乘法（MLS）是一种常用的方法。该方法能够有效地减少点云中的噪声，并保持原始几何形状的细节[^1]。

#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/filters/radius_outlier_removal.h>
#include <pcl/surface/mls.h>

int main(int argc, char** argv){
    // 加载输入文件到点云.
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    if (pcl::io::loadPCDFile<pcl::PointXYZ>("input.pcd", *cloud) == -1) {
        std::cerr << "Couldn't read file input.pcd \n";
        return (-1);
    }

    // 创建目标容器对象.
    pcl::PointCloud<pcl::PointXYZ> mls_points;

    // 定义过滤器.
    pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointXYZ> mls;
    
    // 设置参数.
    mls.setInputCloud(cloud);
    mls.setSearchRadius(0.03);  // 设定搜索半径.

    // 处理.
    mls.process(mls_points);

    // 输出结果至文件.
    pcl::io::savePCDFileASCII("mls_output.pcd", mls_points);
}

这段代码展示了如何加载一个`.pcd`格式的点云文件，利用移动最小二乘法对其进行平滑操作，并保存处理后的点云数据到新的文件中。

#### 表面重建

除了MLS之外，Surface模块还提供了其他表面重建技术，比如泊松重建、三角化等。这些功能可以帮助用户从离散的点云创建连续的三维模型[^2]。

对于更复杂的场景，可能还需要考虑使用不同的预处理步骤来优化最终效果，例如去除异常值或降采样等前置操作，这可以通过结合Filter模块的功能实现[^3]。