4. 点云预处理：点云滤波、点云降采样、点云去噪、点云分割
各位同学，咱们今天聊聊点云预处理。说实话，这是整个高精地图构建里最“脏”最“累”的活，但也是最重要的一步。我经常跟团队里的新人说：“预处理做不好，后面定位算法再牛也白搭。”
你想想看，激光雷达扫出来的原始点云，那叫一个“原生态”。有飞鸟、有扬尘、有路面反光造成的噪点，甚至还有雷达自己产生的鬼影。你要是直接拿这些数据去建图或者做定位，那结果肯定是一团糟。所以，咱们得先给点云“洗个澡”。
核心目标：把原始点云变成干净、均匀、结构清晰的“可用数据”。
4.1 点云滤波：把“垃圾”挡在门外
滤波，说白了就是“筛子”。我们根据点云的空间位置、距离、强度等属性，把不想要的部分直接过滤掉。
直通滤波（PassThrough）是我最常用的。比如我只关心车前50米范围内的障碍物，那就直接把50米以外的点全部砍掉。代码很简单，但效果立竿见影。
// C++ 示例：直通滤波
pcl::PassThrough<pcl::PointXYZ> pass;
pass.setInputCloud(cloud);
pass.setFilterFieldName("z"); // 沿Z轴过滤
pass.setFilterLimits(-1.5, 3.0); // 保留高度 -1.5m 到 3.0m 的点
pass.filter(*cloud_filtered);我的小技巧：做直通滤波时，别只想着过滤距离。我习惯先过滤掉头顶以上的点（比如高于3米），因为那些大多是树枝、路灯杆，对地面定位没啥用，还能减少计算量。
4.2 点云降采样：给点云“减肥”
64线激光雷达一秒钟能扫出130万个点。你想想看，这么多点全拿去算匹配，CPU得累死。所以得降采样，也就是“减肥”。
体素网格滤波（VoxelGrid）是业界标配。它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重心点。体素大小设成0.1米，点云量能减少90%以上，但几何结构基本不变。
// C++ 示例：体素网格降采样
pcl::VoxelGrid<pcl::PointXYZ> voxel;
voxel.setInputCloud(cloud);
voxel.setLeafSize(0.1f, 0.1f, 0.1f); // 体素边长10cm
voxel.filter(*cloud_downsampled);注意：体素大小不是越小越好。设成0.05米，点云还是太密；设成0.5米，细节全丢了。我一般根据场景来调：城市道路用0.1米，高速公路用0.2米。
4.3 点云去噪：把“脏东西”洗掉
去噪和滤波有啥区别？滤波是“一刀切”，去噪是“精准打击”。噪点通常是一些孤立点，比如空气中的灰尘、雷达的反射杂波。
统计滤波（StatisticalOutlierRemoval）是我最推荐的。它计算每个点周围K个邻居的平均距离，如果某个点离邻居太远，就判定为噪点干掉。
// C++ 示例：统计滤波去噪
pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
sor.setInputCloud(cloud);
sor.setMeanK(50); // 考虑50个邻居
sor.setStddevMulThresh(1.0); // 标准差倍数阈值
sor.filter(*cloud_denoised);我曾经在一个隧道场景里吃过亏。隧道里粉尘特别大，统计滤波的参数没调好，把墙上的点也给误删了。后来我把 setMeanK 从20改到80，效果才稳定下来。所以参数一定要根据实际场景调。
4.4 点云分割：把“整块”拆成“零件”
分割，就是把点云按语义拆开。比如地面是一块，路边的车是一块，建筑物是一块。为什么要分割？因为后续的定位算法只关心地面和静态结构，动态物体（车、人）反而会干扰匹配。
地面分割是最基础也最重要的。我常用RANSAC平面拟合来提取地面。代码大概长这样：
// C++ 示例：RANSAC地面分割
pcl::SACSegmentation<pcl::PointXYZ> seg;
seg.setOptimizeCoefficients(true);
seg.setModelType(pcl::SACMODEL_PLANE);
seg.setMethodType(pcl::SAC_RANSAC);
seg.setDistanceThreshold(0.2); // 距离平面20cm以内的点算地面
seg.setInputCloud(cloud);
seg.segment(*inliers, *coefficients);避坑指南：我曾经在坡道上做地面分割，RANSAC直接崩了。因为坡道不是一个平面，而是一个斜面。后来我改用“区域生长”算法，先找种子点，再向四周扩散，才把坡道完整分割出来。
除了地面分割，还有欧几里得聚类用于分割独立物体。比如把一辆车、一棵树分别提取出来。这个在动态物体剔除时特别有用。
4.5 预处理流程总结
在实际项目中，这四个步骤通常是串起来用的。我个人的习惯顺序是：
- 先滤波：用直通滤波砍掉远距离和无关高度区域
- 再去噪：用统计滤波干掉孤立噪点
- 后分割：提取地面和静态结构
- 最后降采样：把干净的点云“减肥”，给后续算法用
为什么降采样放最后？因为分割和去噪需要尽量保留原始点的密度，才能准确判断邻居关系。等分割完了再降采样，精度损失最小。
| 步骤 | 常用方法 | 核心参数 | 我的建议值 |
|---|---|---|---|
| 滤波 | 直通滤波 | 过滤范围 | Z轴：-1.5~3.0m |
| 降采样 | 体素网格 | 体素大小 | 城市0.1m，高速0.2m |
| 去噪 | 统计滤波 | 邻居数/标准差倍数 | 50个邻居，1.0倍 |
| 分割 | RANSAC/区域生长 | 距离阈值 | 0.2m（平面） |
嗯，点云预处理这块就聊到这儿。说白了，预处理没有银弹，每个场景都得调参数。但只要你理解了每个步骤“为什么做”、“怎么做”，上手就快了。
最后说一句：别小看预处理。我见过太多项目，定位精度上不去，最后查来查去，发现是点云预处理没做好。把基础打牢，后面才能走得稳。