VIP20

本课程属于：011-激光雷达感知 自动驾驶 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

点云滤波从入门到精通

📚 共计 30 章节

点云滤波概述

什么是点云滤波？核心地位、噪声来源与滤波目标：去噪、降采样、ROI提取。

点云数据结构

PCL PointCloud<T> 核心字段，有序 vs 无序点云。

环境搭建与工具链

Ubuntu+ROS+PCL, Windows+VS+PCL, Python Open3D/PyPCL。验证PCD读取。

配置多平台

直通滤波 (PassThrough)

沿X/Y/Z轴设定范围裁剪点云，pcl::PassThrough，去除背景/ROI提取。

体素滤波 (VoxelGrid)

三维体素网格近似，重心降采样。leaf_size 参数影响密度与特征。

降采样体素

统计滤波 (StatisticalOutlierRemoval)

基于邻域距离统计剔除离群点，mean_k / std_dev_mul 调优。

离群点统计

半径滤波 (RadiusOutlierRemoval)

半径r内邻域点数少于阈值k则剔除，与统计滤波对比。

条件滤波 (ConditionalRemoval)

自定义条件(强度/距离/法向量)过滤，灵活组合。

投影滤波 (ProjectInliers)

点云投影到平面(地面/墙面)，pcl::ProjectInliers，平面拟合。

模型滤波 (ModelOutlierRemoval)

RANSAC拟合平面/球体/圆柱，保留内点或外点。SACSegmentation。

双边滤波 (BilateralFilter)

空间距离+特征差异平滑，保持边缘去噪。

边缘保持平滑

高斯滤波 (GaussianFilter)

高斯核卷积平滑点云坐标/特征，减少高频噪声。

中值滤波 (MedianFilter)

邻域中值，对椒盐噪声有效，仅适用于有序点云。

移动最小二乘平滑 (MLS)

多项式拟合局部曲面，重采样/上采样平滑。

法向量估计与滤波

PCA法向量计算，基于法向量方向剔除异常点。

基于深度图的滤波

深度图与点云转换，中值/双边滤波，OpenCV+PCL联合。

深度图OpenCV

基于RGB信息的滤波

RGB->HSV，颜色阈值分割，ConditionalRemoval+RGB字段。

基于欧式聚类的分割滤波

欧式距离聚类，提取/剔除特定簇，cluster_tolerance等参数。

基于区域生长的分割滤波

种子点+法向量/曲率相似性生长，平面/圆柱分割。

区域生长分割

基于超体素的分割滤波

体素化+VCCS局部聚类，过分割与语义处理。

时间序列滤波 (多帧融合)

多帧叠加/平均/去噪，累积+体素滤波，静态重建/动态去除。

运动补偿滤波

去除传感器运动导致的畸变，IMU/里程计去畸变，SLAM预处理。

运动畸变SLAM

基于深度学习的滤波

PointNet/PointCNN去噪/补全，Open3D-ML/PyTorch，极端噪声去除。

深度学习PointNet

滤波性能优化

KD-Tree/Octree加速，OpenMP/TBB多线程，CUDA+PCL GPU加速。

滤波质量评估

SNR/MSE/倒角距离，可视化对比，PCL可视化+指标计算。

实战案例1：地面提取与去除

直通滤波(Z轴)→体素→RANSAC平面→投影滤波，完整Pipeline。

实战案例2：室内场景去噪

统计滤波→半径滤波→双边滤波，针对Kinect/LiDAR参数调优。

实战案例3：自动驾驶点云预处理

运动补偿→直通滤波(ROI)→体素→地面去除→聚类，ROS节点封装。

自动驾驶ROS

实战案例4：文物/物体三维扫描去噪

多帧融合→统计滤波→MLS平滑→法向量重定向，Open3D Pipeline。

课程总结与进阶方向

滤波方法对比表，深度学习/图滤波/流形滤波，推荐资源。