径向基插值部分
有关径向基插值的基本概念参考：https://blog.csdn.net/qq_18343569/article/details/48227839?isappinstalled=0&from=groupmessage
径向基函数RBF (Radial Basis Function)有以下五种基函数
其中r代表代待求点X与已知点Xi之间的向量距离
上边的公式是适用于以上五种基函数的计算公式，其中X代表向量，不是一个数字
对于薄板样条插值，其公式（是经过上边的公式变形所得到的公式）为：
这个公式是用于二维的插值，对于三维的插值，应该加上+dz，以及等式：AjZj（对j=1到j=n取和）=0，之后分解该公式，构造出矩阵，对矩阵取逆；
对矩阵取逆，用该矩阵左乘value（或Z坐标值）构成的一个向量，得到一个向量，该向量代表了A1-An，以及a、b、c、d（A代表一个数字，不是矩阵），将A带入公式即可计算出待求点的属性值
具体插值公式参考：https://blog.csdn.net/qq_18343569/article/details/48227839?isappinstalled=0&from=groupmessage
薄板样条插值矩阵构建参考：https://blog.csdn.net/caoniyadeniniang/article/details/78107057?isappinstalled=0&from=singlemessage
矩阵操作
对于矩阵（非稀疏矩阵）操作部分，采用的库为Eigen数学库
头文件：#include <Eigen/Dense>
矩阵定义：
方法1：Eigen::Matrix<double, 5, 5, Eigen::RowMajor> matrix
方法2：
Eigen::Matrix<double, Eigen::Dynamic, Eigen::Dynamic, Eigen::RowMajor> matrix
matrix.resize(rowNum, colNum) //分配内存、空间
矩阵赋值：
matrix(i, j) = 3.6
矩阵取逆：
matrix = matrix.inverse()
矩阵转置：
matrix = matrix.transpose()
对于矩阵间的运算，或者矩阵与向量间的运算直接用*即可
关于Eigen的细节部分可参考我自己总结的一篇博客：https://blog.csdn.net/qq_16334327/article/details/83577860