3. 点云预处理与地面滤波

各位同学，欢迎来到第三章。这一章我们聊点云预处理和地面滤波。

说实话，高精地图构建里，点云处理是绕不开的坎。原始点云数据量巨大，噪声多，地面和非地面混在一起。你想想看，如果不做预处理，直接拿原始点云去建图，那结果基本没法看。我早期做项目时就吃过这个亏，数据量太大，算法跑不动，最后发现是点云没降采样。

3.1 体素滤波降采样：给点云“减肥”

体素滤波（Voxel Filter）是点云降采样的经典方法。它的核心思想很简单：把三维空间划分成一个个小立方体（体素），每个体素内只保留一个点（通常是重心或中心点）。

为什么要降采样？

• 减少计算量：原始点云动辄几十万甚至上百万点，直接处理太慢。
• 均匀分布：体素滤波能让点云在空间上分布更均匀，避免局部过密。
• 保留几何结构：只要体素大小设置合理，几何特征基本不会丢失。

代码实现（PCL 库）：

pcl::VoxelGrid<pcl::PointXYZ> voxel_filter;
voxel_filter.setInputCloud(cloud);
voxel_filter.setLeafSize(0.3f, 0.3f, 0.3f);  // 体素边长 0.3m
voxel_filter.filter(*cloud_filtered);

3.2 直通滤波：快速裁剪感兴趣区域

直通滤波（PassThrough Filter）是最简单的点云裁剪方法。它沿着某个坐标轴（X、Y 或 Z）设置一个范围，只保留范围内的点。

举个例子：

• 我们只关心前方 50 米内的点云，那就沿 X 轴设置 [0, 50]。
• 我们只关心地面附近 5 米内的点云，那就沿 Z 轴设置 [-2, 3]。

直通滤波的优点是速度快，适合做粗过滤。但它有个明显的缺点：只能沿坐标轴方向裁剪，不能处理倾斜的平面。

pcl::PassThrough<pcl::PointXYZ> pass;
pass.setInputCloud(cloud);
pass.setFilterFieldName("z");
pass.setFilterLimits(-1.5, 2.0);  // 保留 Z 轴 -1.5m 到 2.0m 的点
pass.filter(*cloud_filtered);

3.3 RANSAC 地面分割：经典但有限

RANSAC（Random Sample Consensus）是一种迭代算法，用于从包含大量噪声的数据中拟合出数学模型。在地面分割中，我们用它来拟合一个平面方程：

ax + by + cz + d = 0

算法步骤：

1. 随机选取 3 个点，计算平面参数。
2. 计算所有点到该平面的距离，统计距离小于阈值的内点数量。
3. 重复步骤 1-2，找到内点最多的平面。
4. 内点就是地面点，外点就是非地面点。

RANSAC 的优点是简单、鲁棒。但它有个致命问题：只能拟合一个平面。如果地面有坡度、起伏，或者有路沿、减速带，RANSAC 就会出错。

3.4 Patchwork 地面分割：更聪明的选择

Patchwork 是我个人非常推荐的地面分割算法。它解决了 RANSAC 的痛点——能处理非平坦地面。

核心思想：

• 将点云按极坐标划分成多个扇区（Sector）和环带（Ring）。
• 在每个小区域内，用 RANSAC 拟合局部平面。
• 通过区域生长和一致性检查，合并相邻的平面。
• 最终得到完整的地面点云。

Patchwork 的优势：

• 适应起伏地面：每个小区域独立拟合，能处理坡度变化。
• 鲁棒性强：对噪声、遮挡有较好的容忍度。
• 实时性好：经过优化后，可以在嵌入式平台上运行。

3.5 点云坐标系变换：让数据对齐

点云坐标系变换是高精地图构建的基础。我们经常需要在不同坐标系之间转换：

• 传感器坐标系：激光雷达自身的坐标系，原点在雷达中心。
• 车辆坐标系：原点在车辆后轴中心或质心。
• 世界坐标系：通常是 UTM 坐标系或局部 ENU 坐标系。

变换公式：

P_world = R * P_sensor + T

其中 R 是旋转矩阵，T 是平移向量。

实际应用中，我们通常用齐次坐标：

// 4x4 变换矩阵
Eigen::Matrix4f transform = Eigen::Matrix4f::Identity();
transform.block<3,3>(0,0) = rotation_matrix;
transform.block<3,1>(0,3) = translation_vector;

// 应用变换
pcl::transformPointCloud(*cloud_sensor, *cloud_world, transform);

3.6 知识体系总览

下面这张图展示了本章的核心逻辑：

从图中可以看出，整个流程分为两大阶段：预处理和地面分割。预处理阶段做降采样、裁剪和坐标系对齐；地面分割阶段根据场景选择合适的算法。

3.7 本章小结

这一章我们聊了四个核心内容：

• 体素滤波降采样：给点云减肥，保留几何结构。
• 直通滤波：快速裁剪，适合粗过滤。
• RANSAC 地面分割：经典方法，适合平坦场景。
• Patchwork 地面分割：更智能，适合复杂场景。
• 坐标系变换：让数据对齐，注意旋转和平移的顺序。

嗯，内容就这些。下一章我们进入更核心的内容——点云配准与位姿优化。到时候见。