測量較小的物件時產生一些誤差,直接重建會使曲面不光滑或者有漏洞,為了建立完整的模型需要對錶面進行平滑處理和漏洞修復.可通過資料重建來解決這一問題,重取樣演算法通過對周圍資料點進行高階多項式插值來重建表面缺少的部分.

由多個掃描配準後得到的資料直接拿來重建可能產生 "雙牆"等重影,即拼接的區域出現重疊的兩個曲面,重取樣演算法可以對此問題進行處理.

pcl庫檔案中 resampling.cpp程式碼檔案如下:

 1 #include <pcl/point_types.h>
 2 #include <pcl/io/pcd_io.h>
 3 #include <pcl/kdtree/kdtree_flann.h>
 4
 
 #include <pcl/surface/mls.h>   //最小二乘平滑處理類定義
 5 
 6 int
 7 main (int argc, char** argv)
 8 {
 9   // Load input file into a PointCloud<T> with an appropriate type
10   pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ> ());
11   // Load bun0.pcd -- should be available with the PCL archive in test 
 

12   pcl::io::loadPCDFile("davi.pcd", *cloud);
13 
14   // Create a KD-Tree
15   pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ>);
16 
17   // Output has the PointNormal type in order to store the normals calculated by MLS
18   pcl::PointCloud<pcl::PointNormal> mls_points;
 
19 
20   // Init object (second point type is for the normals, even if unused)
21   pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointNormal> mls;
22   // 設定在最小二乘計算中需要進行法線估計,不需要可跳過
23   mls.setComputeNormals (true);
24 
25   // Set parameters
26   mls.setInputCloud (cloud);
27   mls.setPolynomialFit (true);  //多項式擬合提高精度,可false 加快速度,或選擇其他來控制平滑過程
28   mls.setSearchMethod (tree);
29   mls.setSearchRadius (3);
30 
31   // Reconstruct
32   mls.process (mls_points);
33 
34   // Save output
35   pcl::io::savePCDFile ("davi-mls.pcd", mls_points);
36 }

 如果法線與處理後原始資料必須在相同PointCloud 物件中,需將這兩個欄位連線起來形成新的點雲.

下圖左為原始圖,通過20張不同角度的點雲拼接而成,左邊呈現重影,右圖為處理結果圖,重影消除.