MLS算法，即移動最小二乘法，是一種用於形成無格線方法逼近函式的算法。它通過在點雲數據上進行多項式擬合，找到一個適合局部區域的函式曲線，然後利用這個曲線重新計算每個點的坐標，實現點雲的平滑處理。
在MLS算法中，每個節點（或稱為點）都有一個與之相關的係數向量，這些係數定義了該節點附近擬合曲線的形狀。擬合函式不僅包含多項式，還包括一組基函式，這些基函式與節點的空間坐標相關。在計算某個節點的擬合曲線時，只考慮該節點附近的採樣點，且距離節點越近的點對擬合的貢獻越大。
MLS算法在處理點雲數據時，能夠更好地處理點雲中的不規則性和非均勻性，提供更準確的平滑結果。這與高斯濾波等其它平滑方法相比，MLS算法更適合處理複雜的點雲平滑任務。
此外，MLS算法在計算機視覺和3D建模中扮演著關鍵角色，特別是在平滑嘈雜數據和估算表面法線方面。這些功能對於3D重建、物體檢測和表面分析等套用至關重要。通過平滑點雲中的不規則性同時保留基礎結構，MLS算法確保了後續任務如分割、分類和3D建模的準確性。