4. 点云预处理与噪声过滤
扫描得到的原始点云，本质上是一组带有测量误差的离散三维坐标集合。它既包含零件表面的真实几何信息，也混入了大量与几何无关的干扰：环境光反射造成的飞点、边缘处的混合像素、多次反射产生的“鬼影”、以及扫描仪自身精度带来的随机抖动。如果直接拿这样的点云去做曲面拟合或特征提取，误差会被放大到模型上。因此，点云预处理的目标不是“让点云变好看”，而是把点云从“测量数据”整理成“可用于建模的几何证据”。本节围绕去噪、离群点剔除、精简、配准四个核心环节展开，并结合 Hexagon 工具链说明实际操作路径。
一、先分清两类“噪声”：随机噪声与离群点
很多初学者把去噪和剔除离群点混为一谈，但两者的处理对象和手段完全不同。随机噪声是每个点都带有的小幅度位置偏差，通常服从近似高斯分布，表现为表面“毛刺”或厚度增加；离群点是少数点严重偏离真实表面，可能距离主体几十毫米甚至更远，表现为悬浮的散点团或细长的“飞线”。
判断依据可以用邻域统计量来量化。对每个点 p，取它最近的 k 个邻居（例如 k=20），计算该点到邻居的平均距离 d̄。如果 d̄ 超过全局均值加若干倍标准差，就认为它是离群点。这个“若干倍”通常取 1.0～2.0，具体取决于扫描质量。随机噪声则更适合用平滑滤波处理，例如移动最小二乘法（MLS）或高斯滤波，把点沿法向微调到拟合面上，而不是删除。
二、点云精简：不是越少越好，而是“该密的地方密”
高精度扫描仪单次扫描可产生数百万甚至上千万个点，直接处理会拖慢配准和建模速度。精简的目标是在保留几何特征的前提下降低点数。常用方法有三类：
- 体素栅格下采样：把空间划分为边长 r 的立方体栅格，每个栅格用重心点代替所有点。r 越大，精简越狠。适合均匀点云，但会轻微削弱尖锐边缘。
- 曲率自适应精简：在曲率大的区域保留更多点，在平坦区域大幅删减。适合有圆角、倒角、薄壁特征的零件。
- 基于距离的抽稀：设定最小点间距 d_min，遍历点云，若新点与已保留点距离小于 d_min 则丢弃。实现简单，但结果对遍历顺序敏感。
教学示例：某钣金件扫描点云约 320 万点，平均点间距 0.15 mm。若目标用于整体形貌分析，可设体素 r=0.5 mm，精简后约 28 万点；若目标用于边缘提取，则改用曲率自适应，边缘区域保留 0.2 mm 间距，平坦区域放宽到 1.0 mm，总点数约 45 万，但边缘细节明显更完整。
三、点云配准：把多次扫描拼到同一坐标系
实际扫描一个零件往往需要从多个视角拍摄，每次扫描都在自己的传感器坐标系下。配准就是求取刚体变换（旋转 R + 平移 t），把源点云对齐到目标点云。配准分两步：粗配准和精配准。
粗配准常用特征对应法：提取两片点云中的平面、圆柱、球等几何特征，人工或自动建立 3 组以上对应点，用 SVD 求解初始变换。精配准则用 ICP（迭代最近点）或其变体，最小化对应点距离平方和。ICP 对初值敏感，如果初始位姿偏差超过特征尺度，容易陷入局部最优。
判断配准是否合格，不能只看“看起来重合”。应检查：对应点均方根误差（RMSE）是否收敛到扫描精度量级（例如 0.03～0.08 mm）；重叠区域是否存在系统性错位；用截面线观察拼接缝处是否有台阶。若 RMSE 停在 0.3 mm 以上，通常说明粗配准失败或存在动态物体干扰。
四、Hexagon 工具链实操路径
Hexagon 生态中与点云预处理相关的工具主要有 PC-DMIS 点云模块、Inspire、SpatialAnalyzer 和 Q-DAS。不同工具定位不同，实际项目中往往组合使用。
PC-DMIS 点云模块适合在测量流程中直接处理点云。导入点云后，可在“点云操作”工具栏中依次执行：过滤离群点（设置邻域点数与标准差倍数）、平滑（选择 MLS 或高斯）、抽稀（按体素或最小间距）。它的优势是与后续尺寸评价无缝衔接，适合检测场景。
SpatialAnalyzer 更擅长多视角配准与大型点云对齐。典型操作是：先导入各站扫描数据，用“特征提取”识别公共基准（如三个基准球或一个平面加两个圆孔），建立粗配准；再用“最佳拟合”做 ICP 精配准，软件会实时显示 RMSE 收敛曲线。若 RMSE 不下降，可检查是否误选了非重叠区域作为对应点。
Inspire 则偏向于从点云到网格/曲面的重构流程，其点云预处理模块提供曲率自适应精简和网格化前的噪声抑制，适合逆向建模前的数据整理。
五、一个可复用的预处理参数记录表
为了让预处理过程可追溯、可复现，建议每完成一个零件就记录关键参数。下表是一个可直接填写的示例结构，字段均来自本节实际处理环节。
| 环节 | 参数名 | 示例值 | 观察指标 | 判断依据 |
|---|---|---|---|---|
| 离群点剔除 | 邻域点数 k / 标准差倍数 | 20 / 1.5 | 删除比例 | 删除比例 1%～3% 为正常；>5% 需放宽 |
| 去噪平滑 | 方法 / 搜索半径 | MLS / 0.8 mm | 表面厚度变化 | 平滑后截面厚度应接近扫描精度 |
| 精简 | 方法 / 体素边长或最小间距 | 体素 / 0.5 mm | 剩余点数、边缘完整性 | 边缘特征处不应出现明显锯齿 |
| 粗配准 | 对应特征数量 | 3 组（1 平面 + 2 圆孔） | 初始重叠度 | 重叠区域目视无明显错位 |
| 精配准 | ICP 最大迭代 / 收敛阈值 | 50 次 / 0.001 mm | RMSE 收敛值 | RMSE ≤ 0.08 mm 且截面无台阶 |
这张表的价值在于：当同一批次零件出现配准异常时，可以快速对比参数差异，定位是阈值设置问题还是扫描数据本身质量下降。预处理不是一次性动作，而是需要根据结果反馈反复调整参数的过程。先剔除明显飞点，再平滑随机噪声，然后按用途精简，最后完成配准并验证 RMSE——这个顺序在大多数逆向工程场景中都是稳妥的起点。