一、算法原理

  该方法对点集进行逐步上采样，同时根据法向量信息来检测边缘点，需要输入点云具有法线信息。在点云空洞填充和稀疏表面重建中具有较好的应用。

1、主要函数

头文件

#include <CGAL/edge_aware_upsample_point_set.h> // 上采样

函数

OutputIterator CGAL::edge_aware_upsample_point_set  ( const PointRange &  points,  OutputIterator  output,  const NamedParameters &  np = parameters::default_values()  ) 

  这种方法逐步向上采样点集，同时接近边缘奇点(通过法线变化检测)，这从输入点集产生一个更密集的点集。这在基于点的渲染、孔填充和稀疏表面重建中有应用。点的法线需要作为输入。

• sharpness_angle(s_angle)：控制输出结果的平滑度，值越大越平滑，取值范围[0,90]。
• edge_sensitivity(edge_s)： 边缘的敏感性取值范围[0,1]，边缘敏感度越大，在尖锐边缘处插入点的有限度越高
• neighbor_radius(n_radius) ：邻域点的个数，如果提供，查询点的邻域是用一个固定的球面计算的半径，而不是固定数量的邻居。在这种情况下，参数k用于限制每个球邻域返回点的数量(避免高密度区域的点过多)
• number_of_output_points(n_out)) 上采样后的点数

2、参数解析

edge_sensitivity
   此参数控制新点插入的位置。边缘敏感值越大，沿尖锐特征插入点的优先级越高。如下图所示，想要在尖锐的特征上插入更多的点时，高值是可取的，这些地方的局部梯度很高，如尖点、折痕和角等。相反，当edge_sensitivity设置为0时，点是均匀插入的。取值范围为[0,1]。

sharpness_angle
   这个参数控制尖锐特征的平滑程度。

neighbor_radius
   通常，采样点的邻域至少应该包括一个相邻采样点环。使用小的邻域可能无法插入新的点。使用大的邻域可以填补小的洞，但插入边缘的点可能是不规则的。如果该参数值设置为默认值或小于零，函数将使用邻域点的密度进行估计。

二、代码实现

#include <vector>
#include <fstream>
#include <CGAL/Simple_cartesian.h>
#include <CGAL/IO/read_points.h>
#include <CGAL/IO/write_points.h>
#include <CGAL/edge_aware_upsample_point_set.h> // 上采样
// types
typedef CGAL::Simple_cartesian<double> Kernel;
// 用于存储点坐标和法向量的pair容器
typedef std::pair<Kernel::Point_3, Kernel::Vector_3> PointVectorPair;int main(int argc, char* argv[])
{const std::string input_filename = CGAL::data_file_path("cgal//before_upsample.xyz");const char* output_filename("cgal//after_upsample.xyz");// -----------------------读取包含点坐标和法向量的.xyz点云-------------------std::vector<PointVectorPair> points;if (!CGAL::IO::read_points(input_filename,std::back_inserter(points),CGAL::parameters::point_map(CGAL::First_of_pair_property_map<PointVectorPair>()).normal_map(CGAL::Second_of_pair_property_map<PointVectorPair>()))){std::cerr << "Error: cannot read file " << input_filename << std::endl;return -1;}// ---------------------------------参数设置---------------------------------const double s_angle = 25;                   // 平滑度，值越大越平滑，取值范围[0,90]const double edge_s = 0;                     // 边缘的敏感性取值范围[0,1]const double n_radius = 0.25;                // 邻域点搜索半径const std::size_t n_out = points.size() * 10; // 上采样后的点数// ----------------------------------上采样----------------------------------CGAL::edge_aware_upsample_point_set<CGAL::Parallel_if_available_tag>(points,std::back_inserter(points),CGAL::parameters::point_map(CGAL::First_of_pair_property_map<PointVectorPair>()).normal_map(CGAL::Second_of_pair_property_map<PointVectorPair>()).sharpness_angle(s_angle).        // 控制输出结果的平滑度，值越大越平滑，取值范围[0,90]。edge_sensitivity(edge_s).        // 边缘的敏感性取值范围[0,1]，边缘敏感度越大，在尖锐边缘处插入点的有限度越高neighbor_radius(n_radius).       // 邻域点的个数，如果提供，查询点的邻域是用一个固定的球面计算的半径// 而不是固定数量的邻居。在这种情况下，参数k用于限制每个球邻域返回点的数量(避免高密度区域的点过多)number_of_output_points(n_out)); // 上采样后的点数std::cout << "上采样完毕！！！" << std::endl;// ----------------------------------保存结果--------------------------------if (!CGAL::IO::write_points(output_filename, points,CGAL::parameters::point_map(CGAL::First_of_pair_property_map<PointVectorPair>()).normal_map(CGAL::Second_of_pair_property_map<PointVectorPair>()).stream_precision(6))){std::cerr << "保存失败！！！" << std::endl;return -1;}	return 0;
}

三、结果展示

1、原始点云

2、上采样