体素滤波（Voxel Grid Filter）：原理、参数设置、PCL实现与效果对比
体素滤波，说白了就是给点云数据“降采样”。
你想想看，激光雷达扫一圈，动辄几十万甚至上百万个点。这么多点，直接拿去跑SLAM或者做分割，计算量太大了。我刚开始做项目时，就吃过这个亏——点云数据直接喂进算法，结果CPU跑满，帧率掉到个位数。
体素滤波就是解决这个问题的。它能在尽量保留物体几何形状的前提下，把点云数量降下来。
原理：三维空间里的“网格化”
体素滤波的原理其实很直观。想象一下，你把整个点云空间切分成一个个小立方体，就像把一块豆腐切成均匀的小块。每个小立方体，就是一个“体素”（Voxel）。
然后呢？每个体素里可能包含多个点，也可能一个点都没有。对于包含多个点的体素，我们只保留一个点——通常是这个体素内所有点的重心（质心），或者直接取中心点。
嗯，这里要注意：取质心比取中心点更稳定。为什么？因为质心是实际点的平均位置，能更好地反映原始点云的分布。我在项目中遇到过，用中心点做滤波，结果墙角处的点云出现了明显的“锯齿感”，换成质心就好多了。
核心思想：用一个点代表一个立方体区域内的所有点。
体素尺寸越大，降采样越狠，点云越稀疏。
体素尺寸越小，保留的细节越多，但降采样效果不明显。
参数设置：体素尺寸怎么选？
这是最让人头疼的问题。体素尺寸设大了，细节全丢；设小了，降采样效果不明显。我个人的经验是：没有万能参数，得看场景。
| 应用场景 | 推荐体素尺寸 | 说明 |
|---|---|---|
| 室内SLAM（小场景） | 0.01m - 0.05m | 保留墙面、家具的细节 |
| 室外道路（中等场景） | 0.05m - 0.2m | 平衡精度与计算量 |
| 大范围地形/建筑 | 0.2m - 1.0m | 快速降采样，保留宏观轮廓 |
| 实时SLAM（高帧率要求） | 0.1m - 0.3m | 优先保证帧率稳定 |
我的小技巧：先试一个中间值，比如0.1m。看看滤波后的点云密度，再根据效果微调。如果物体边缘出现明显“方块感”，说明体素太大了，需要调小。
PCL实现：代码说话
PCL里实现体素滤波非常简单，核心就几行代码。我直接贴一个我常用的模板：
#include <pcl/filters/voxel_grid.h>
// 输入点云
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
// 输出点云
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);
// 创建体素滤波对象
pcl::VoxelGrid<pcl::PointXYZ> sor;
sor.setInputCloud(cloud);
sor.setLeafSize(0.1f, 0.1f, 0.1f); // 体素尺寸：0.1m x 0.1m x 0.1m
sor.filter(*cloud_filtered);
std::cout << "滤波前点数: " << cloud->size() << std::endl;
std::cout << "滤波后点数: " << cloud_filtered->size() << std::endl;你看，就这么简单。setLeafSize的三个参数分别对应X、Y、Z方向的体素尺寸。一般情况下三个值设成一样就行，除非你的点云在某个方向特别稀疏。
避坑指南：我曾经在项目里把体素尺寸设成了0.01f，结果滤波后点云数量几乎没变，还白白浪费了计算时间。后来才意识到——体素尺寸太小，每个体素里只有一个点，滤波等于没做。所以，体素尺寸一定要大于点云的平均点间距。
效果对比：眼见为实
光说理论不够，咱们看看实际效果。我拿一个典型的室内点云做测试：
- 原始点云：约120万个点，包含墙面、地面、桌椅
- 体素尺寸0.05m：滤波后约45万个点，细节保留很好，但计算量还是偏大
- 体素尺寸0.1m：滤波后约18万个点，墙面轮廓清晰，边缘略有锯齿
- 体素尺寸0.2m：滤波后约5万个点，整体形状保留，但小物体（如椅子腿）几乎消失
我个人习惯在SLAM前端用0.1m的体素尺寸。为什么？因为0.05m虽然细节多，但帧率会掉到10帧以下；0.2m虽然快，但特征点太少，容易跟丢。0.1m是个不错的平衡点。
嗯，这里还要提一句：体素滤波不光能降采样，它还有一个隐藏功能——去除离群点。因为孤立的离群点往往落在空体素里，滤波后自然就被剔除了。我在做室外点云预处理时，经常先用体素滤波粗降采样，再用统计滤波精去噪，效果很好。
总结一下：
- 体素滤波 = 三维网格化 + 每个网格取一个代表点
- 体素尺寸是关键参数，根据场景灵活调整
- PCL实现简单，但要注意体素尺寸不能小于点间距
- 滤波后点云数量 = 原始点云 / (每个体素平均点数)
好了，体素滤波就聊到这儿。下一节咱们聊聊另一种常用的滤波方法——直通滤波。那个更简单，但用好了也很实用。