3. 点云数据预处理：点云滤波与降采样策略

点云预处理，说白了就是给原始数据「洗个澡」。激光雷达扫出来的点云，里面什么妖魔鬼怪都有——飞点、噪点、冗余点。如果不处理，后面的配准、建图、定位全都会崩。我刚开始做机器人时，就吃过这个亏。

有一次在室外测试，点云里混了一堆树叶反射的杂点，结果建图直接跑飞了。从那以后，我养成了一个习惯：预处理做不好，绝不往下走。

3.1 直通滤波：最暴力的「切蛋糕」

直通滤波的原理非常简单——你设定一个范围，范围内的点留下，范围外的全扔掉。比如你的机器人只在 10 米范围内活动，那 50 米外的点留着干嘛？

我个人习惯在预处理的第一步就做直通滤波。为什么？因为能大幅减少后续计算量。你想想看，一个 64 线激光雷达每秒产生 130 万个点，先切掉 80% 的无效区域，后面处理起来轻松多了。

// C++ 示例：PCL 直通滤波
pcl::PassThrough<pcl::PointXYZ> pass;
pass.setInputCloud(cloud);
pass.setFilterFieldName("z");        // 沿 Z 轴滤波
pass.setFilterLimits(0.0, 3.0);      // 保留 0~3 米范围
pass.setFilterLimitsNegative(false); // false=保留范围内
pass.filter(*cloud_filtered);

3.2 体素滤波：降采样的「压缩器」

体素滤波，说白了就是把空间切成一个个小立方体（体素），每个立方体里只保留一个代表点。这个代表点通常是体素内所有点的重心。

体素滤波有两个核心参数：体素大小和下采样比例。体素越大，点云越稀疏，计算越快，但细节丢失也越多。

体素大小 (m)	点云数量 (原始 100 万点)	耗时 (ms)	适用场景
0.01	~80 万	15~25	高精度建图
0.05	~10 万	5~10	实时定位
0.10	~3 万	2~5	快速导航
0.20	~1 万	<2	粗略障碍物检测

// C++ 示例：PCL 体素滤波
pcl::VoxelGrid<pcl::PointXYZ> voxel;
voxel.setInputCloud(cloud);
voxel.setLeafSize(0.05f, 0.05f, 0.05f); // 5cm 体素
voxel.filter(*cloud_filtered);

3.3 半径滤波：清理「孤魂野鬼」

半径滤波，也叫统计滤波。它的逻辑是：如果一个点周围（指定半径内）的邻居太少，那它大概率是个噪点，直接扔掉。

我记得有一次在室内走廊测试，点云里总有一些飘在半空中的点。后来发现是灰尘反射造成的。半径滤波一上，这些「孤魂野鬼」全没了。

// C++ 示例：PCL 半径滤波
pcl::RadiusOutlierRemoval<pcl::PointXYZ> rad;
rad.setInputCloud(cloud);
rad.setRadiusSearch(0.1);    // 搜索半径 0.1m
rad.setMinNeighborsInRadius(6); // 至少 6 个邻居
rad.filter(*cloud_filtered);

参数怎么调？我一般遵循这个原则：半径 = 体素大小的 2~3 倍。比如体素是 5cm，半径就设 10~15cm。邻居数量设 3~6 个，视点云密度而定。

3.4 离群点移除：最后的「清道夫」

离群点移除和半径滤波有点像，但更激进。它基于统计分布——计算每个点到其 k 个最近邻的平均距离，如果这个距离超过全局均值 + n 倍标准差，就判定为离群点。

我习惯把离群点移除放在预处理流程的最后一步。因为前面的滤波已经去掉了大部分噪点，剩下的离群点往往是「顽固分子」，需要用统计方法才能揪出来。

// C++ 示例：PCL 统计离群点移除
pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
sor.setInputCloud(cloud);
sor.setMeanK(50);          // 考虑 50 个最近邻
sor.setStddevMulThresh(1.0); // 标准差倍数阈值
sor.filter(*cloud_filtered);

3.5 降采样策略与性能权衡

降采样不是越狠越好。你想想看，点云太稀疏了，特征提取就做不好，配准精度也会下降。这里有一个性能-精度平衡的问题。

我总结了一套策略，按场景分类：

• 实时导航（10Hz+）：体素 10cm + 直通滤波 + 半径滤波。点云量控制在 1~3 万点，单帧处理时间 < 5ms。
• 高精度建图（离线）：体素 2cm + 直通滤波 + 统计离群点移除。点云量 10~30 万点，处理时间可以放宽到 50ms。
• 障碍物检测（5~10Hz）：体素 5cm + 直通滤波。点云量 5~10 万点，处理时间 10~15ms。

场景	体素大小	滤波组合	目标点云量	预算耗时
实时导航	10cm	直通 + 半径	1~3 万	<5ms
高精度建图	2cm	直通 + 统计离群点	10~30 万	<50ms
障碍物检测	5cm	直通	5~10 万	10~15ms
快速避障	20cm	直通	<1 万	<2ms

3.6 滤波顺序：先做什么后做什么？

这个问题我经常被问到。我的答案是：先粗后细，先快后慢。

1. 第一步：直通滤波。最快，能砍掉 50%~80% 的点，为后续减负。
2. 第二步：体素滤波。降采样，进一步压缩数据量。
3. 第三步：半径滤波或统计离群点移除。清理残余噪点。

为什么体素滤波要放在半径滤波前面？因为体素滤波会改变点的空间分布，如果先做半径滤波，体素化之后邻居关系就变了，之前的滤波效果会打折扣。嗯，这个顺序我踩过坑才总结出来的。