点云处理：滤波、地面分割、聚类、特征提取
点云处理是自动驾驶感知中最硬核的模块之一，面试官常通过滤波→分割→聚类→特征提取的链条考察候选人的工程直觉与算法理解。本章总结四个核心子任务的考察点与应答框架，帮你快速建立「方法选型→实现细节→指标验证→优化扩展」的闭环思维。
| 子任务 | 常见方法 | 关键参数 | 面试高频考点 |
|---|---|---|---|
| 点云滤波 | 直通滤波、体素滤波、统计滤波、半径滤波 | 体素大小、标准差倍数、半径阈值 | 下采样 vs 离群点去除；体素滤波对特征保留的影响 |
| 地面分割 | RANSAC平面拟合、Patchwork、LineFit | 距离阈值、迭代次数、角度约束 | 非平坦路面的适应性；分割后障碍物高度丢失问题 |
| 点云聚类 | 欧式聚类、DBSCAN、区域生长 | 半径、最小点数、密度阈值 | 稀疏点、超远点、粘连物体的分离能力 |
| 特征提取 | FPFH、SHOT、Spin Image、PointNet++ | 邻域半径、法线估计方法 | 鲁棒性（旋转/密度变化）；与深度学习特征对比 |
📌 面试问题：自动驾驶点云预处理中，你如何选择滤波方法？
- 是否理解不同滤波器的适用场景（下采样 vs 离群点）
- 能否平衡计算效率与特征保留
- 对传感器噪声特性的了解
① 明确任务目标：降采样/去噪/边界提取；② 分析数据特点：激光线束密度、空间分辨率、噪声分布；③ 对比几种滤波器原理（体素滤波保持几何结构 vs 统计滤波去除孤立点）；④ 给出参数选择依据（体素大小按目标距离调整）；⑤ 补充工程实践：先直通滤波缩小范围，再统计滤波去噪。
“我通常先做直通滤波裁剪ROI，再用体素下采样控制点密度，最后用统计滤波去除离群点。体素大小设为0.2m以保留车辆轮廓；统计滤波的邻域点数取6，标准差乘数设为1.0，有效滤除雨雾噪点且不损伤边缘特征。”
· 体素滤波后物体边缘模糊如何解决？
· 如何自适应调节滤波参数？（基于距离/密度动态调整）
· 对比PCL中RadiusOutlierRemoval与StatisticalOutlierRemoval的差异？
不要只背原理不说场景；举例时避免“所有情况都用体素”，要指出对远处稀疏点可能导致信息丢失；回答中应体现“先分析后选型”的工程思维。
📌 面试问题：如何实现鲁棒的地面分割？请描述具体方法及挑战。
- RANSAC类方法的局限性与改进思路
- 非平坦地面（坡道、减速带）的处理能力
- 实时性要求下的工程权衡
① 定义地面：局部平面或连续曲面；② 方法选型：RANSAC平面拟合（效率高、对坡度敏感）、Patchwork（扇形分割+区域增长+坡度约束）；③ 实现细节：迭代次数控制在50次以内，距离阈值0.2m；④ 指标验证：分割召回率≥95%，虚警率<2%；⑤ 优化扩展：结合IMU姿态做初值，坡度场景下改用二次曲面拟合。
“我采用改进的Patchwork方法：先把点云按角度分扇区，每个扇区内用RANSAC拟合局部平面，再通过邻域平面法线一致性做区域增长。对于坡道场景，动态调整距离阈值并引入地面连续性约束，在KITTI数据集上非平地区域分割精度提升了12%。”
· 地面点与障碍物底部的粘连怎么处理？
· 分割后如何判断地面以外的物体是否接地？
· 激光雷达安装角度误差如何补偿？
不要只说RANSAC完事，一定要提对非平坦地面的处理；避免吹嘘无限精度，给出实际数据（如耗时5ms，召回96%）。注意区分“地面分割”和“路面可行驶区域”是两个不同任务。
📌 面试问题：点云聚类后如何做特征提取？谈谈你的常用方案。
- 对聚类算法边界敏感性的理解
- 局部特征描述子的鲁棒性与计算开销
- 能否针对下游任务（检测/分类）设计特征
① 聚类方法：欧式聚类（阈值0.5-1.5m）或DBSCAN（适应密度变化）；② 特征提取：对每个聚类计算FPFH（快速点特征直方图）或基于深度学习的PointNet++特征；③ 关键点：先估算法线，邻域半径取0.3m；④ 指标：特征匹配精度与耗时平衡；⑤ 优化：对远距离稀疏聚类使用全局统计特征（长宽高、点数量、偏度）。
“我使用DBSCAN聚类避免固定阈值导致远近物体分割不一致；然后对每个聚类估算法线并计算FPFH特征，再输入SVM做车辆/行人分类。实验表明在Nuscenes上FPFH+法线可在20ms内完成300个聚类特征提取，分类F1达到0.87。”
· FPFH对旋转物体是否不变？如何验证？
· 稀疏点聚类时如何定义邻域？（自适应半径 vs 固定半径）
· 为什么不用欧式聚类直接用PointNet++？谈谈优缺点。
不要忽略法线估计的稳定性——在边缘和近处区域法线可能跳跃；避免只提传统特征而完全忽略深度特征，可补充“传统特征效率高，深度学习特征泛化强”的折中观点。示例回答中最好给出具体数值（时间、精度）。
· 滤波口诀：先ROI、再体素、后统计，参数随距离调。
· 地面分割：RANSAC打底，坡度场景加约束，Patchwork是万金油。
· 聚类+特征：DBSCAN防粘连，FPFH算得快，远距统计保底。