📚 课程目录第1章课程导学与环境配置

1. 课程导学与环境配置

大家好，欢迎来到《激光雷达点云滤波实战案例》的第一章。

我是这门课的主讲，一个在点云处理领域摸爬滚打了七八年的老工程师。说实话，刚入行那会儿，我也被各种滤波算法搞得晕头转向。什么体素滤波、统计滤波、半径滤波……名字听着都差不多，但用起来效果天差地别。所以这门课，我希望能用最直接的方式，帮你把这些东西理清楚。

先问个问题：你拿到的原始点云，是什么样的？

嗯，大概率是密密麻麻、杂乱无章的一大片。里面不光有你要的障碍物、地面，还有大量的噪声点、离群点，甚至飞鸟、扬尘造成的干扰点。说白了，就是一堆“脏数据”。

滤波，就是把这些脏东西去掉，把干净、有用的点留下来。我个人习惯把滤波比作“淘金”——你要从一堆沙子里，把金子筛出来。筛子用得好不好，直接决定你后续处理的成败。

核心观点：滤波不是目的，而是手段。它的终极目标，是为后续的分割、识别、跟踪等高级任务，提供高质量的输入数据。

我在项目中遇到过最典型的例子：一个自动驾驶项目，因为地面点没滤干净，导致障碍物检测算法把地面误判成了路障，车子来了个急刹车。你看，滤波没做好，后果很严重。

这门课不讲虚的。学完之后，我希望你能做到三件事：

说白了，就是让你从“会用API”升级到“会解决问题”。

好，理论说完了，咱们来点实际的。先把开发环境搭起来。我推荐两个库：Open3D 和 PCL。

Open3D 上手快，Python 接口友好，适合快速验证想法。PCL 功能更全、更底层，C++ 接口性能好，适合做产品级开发。我的建议是：两个都装。平时用 Open3D 做实验，最终部署用 PCL。

这个最简单。确保你装了 Python 3.8 以上版本，然后直接 pip：

pip install open3d

嗯，就是这么简单。如果你在国内，网络慢，可以加个国内镜像：

pip install open3d -i https://pypi.tuna.tsinghua.edu.cn/simple

装完之后，在 Python 里试一下：

import open3d as o3d
print(o3d.__version__)

如果能打印出版本号，恭喜你，Open3D 环境搞定了。

小提示： 我建议用虚拟环境（比如 conda 或 venv）来装，避免和系统其他 Python 包冲突。我曾经因为包冲突，排查了整整一个下午，血的教训。

PCL 的安装稍微麻烦一点，因为依赖比较多。我以 Ubuntu 20.04 为例，其他系统类似。

打开终端，一行一行执行：

sudo apt-get update
sudo apt-get install libpcl-dev pcl-tools

装完之后，你可以用 pcl_viewer 这个工具来快速查看点云文件，非常方便。

pcl_viewer your_point_cloud.pcd

如果你用的是 Windows，我推荐用 vcpkg 来安装：

.\vcpkg install pcl

或者直接下载 PCL 官方提供的 All-in-one 安装包，省心一些。

注意： PCL 在 Windows 上编译时，Debug 和 Release 模式的库文件是分开的。如果你在 Debug 模式下编译，一定要链接 Debug 版本的 .lib 文件，否则会报一堆链接错误。我曾经在这个坑里爬了整整两天。

为了让你对本章内容有个整体印象，我画了一张图。你可以把它当作一张“地图”，后面学到具体算法时，随时回来对照。

环境搭好了，心里没底？来，我们跑一个最简单的例子，验证一下。

用 Open3D 读取一个点云文件，然后显示出来：

import open3d as o3d

# 读取点云
pcd = o3d.io.read_point_cloud("sample.pcd")

# 打印点云信息
print(pcd)

# 可视化
o3d.visualization.draw_geometries([pcd])

如果你能看到一个三维点云窗口，说明你的环境完全没问题。如果报错，别慌，99% 的情况是文件路径不对，或者点云文件格式不支持。

避坑指南： Open3D 默认支持 .pcd 和 .ply 格式。如果你手头是 .bin 或 .las 格式，需要先转换一下。我曾经因为格式问题，浪费了半天时间。

好，这一章我们主要做了三件事：

环境搭好了，后面的事情就好办了。下一章，我们会正式开始讲具体的滤波算法。嗯，先卖个关子，到时候见。