，可以在网格上重复运行几次，每次比之前更加光滑OO·缺点一一边沿损失，尺寸总体变小
36
点云滤波一移动最小二乘法通过额外再拟合一个平面来确定被滤波点移动方向额外拟合一直线以合曲线点沿着垂直平面方向移到曲面上对3D空间这个过程是先拟合平面，再拟合曲面，然后将待平滑的点沿平面法向量投影到曲面上去
37
(x4,24) (xs,zs)(X6.Z6)(x3,z3)对待滤波点找到邻域点z=f(x)=ax?+bx+c建立新的(x2,22)在新建坐标空坐标轴对邻域点拟合平面间拟合多项式O(xi,z).a..该点位置：zo =f(0)将邻域点投影到平面考虑新的坐标系，使待滤波点在平面上的并计算他们到平面距离投影为原点，平面法向量和乙轴对齐曲面方程拟合在新的坐标系下进行曲面方程拟合（通常使用多项式）（通常使用多项式）将待滤波点沿垂直平面计算曲面在原点的之值，找到待滤波点的移动位置方向投影到曲面38
38
点云滤波移动最小二乘法对待滤波点找到邻域点滤波运行效果0.75对邻域点拟合平面0.500.250.00220.25将邻域点投影到平面0.500.75并计算他们到平面距离1.01.0曲面方程拟合.0.50500-1.0 0.5（通常使用多项式）0.00.51.0X1.0将待滤波点沿垂直平面方向投影到曲面39
39
基于PCA的点云的形状参数获取PcA是指"主成分分析"PrincipleComponentsAnalysis使用的核心算法是矩阵的特征值分解·我们把一团”点云看成是一个3D“椭球体·我们可以用PCA分解来获取椭球体的三个轴的方向（主方向）·三个轴方向相互垂直有什么用？排列成直线的点云方向获取：最长轴方向点云排列成平面时，计算平面法向量：最短轴方向
基于PCA的点云的形状参数获取