一、点云滤波概述：从原始数据到可用信息的第一步

大家好，我是做激光雷达SLAM的老工程师了。今天咱们聊聊点云滤波——这个看似基础、实则决定系统成败的关键环节。

说实话，我刚入行那会儿，觉得滤波不就是去掉几个噪点嘛，有啥好讲的？直到我在一个矿区项目里，因为没做好滤波，导致整个SLAM系统在扬尘环境中直接崩溃……嗯，从那以后，我再也不敢小看这一步了。

1.1 什么是点云滤波？

点云滤波，说白了就是对原始点云数据进行“提纯”。激光雷达扫出来的原始数据，就像刚从河里捞上来的沙子——里面有石子、有贝壳、有泥沙，你得先筛一遍才能用。

具体来说，滤波就是根据某种规则（比如距离、强度、邻域密度等），保留我们感兴趣的点，剔除那些“捣乱”的点。我习惯把它分成三类操作：

• 去噪：干掉那些明显不合理的点（比如飞在空中的孤立点）
• 下采样：在保持形状的前提下减少点数（不然算力扛不住）
• 感兴趣区域提取：只保留我们关心的空间范围（比如车前方50米）

1.2 为什么需要滤波？三个血泪教训

你可能觉得，现在的激光雷达精度都毫米级了，还需要滤波？我跟你讲，太需要了。原因有三：

1. 传感器本身有噪声——激光雷达在边缘、远距离、低反射率物体上，测距误差会明显增大。我记得有一次测试16线雷达，远处墙壁的点直接飘了20厘米。
2. 环境干扰无处不在——雨、雪、雾、扬尘，这些都会产生“假点”。我在港口项目里遇到过，海雾一上来，点云里全是悬浮的噪点，不滤波根本没法做匹配。
3. 计算资源是有限的——一个64线雷达每秒产生130万个点，直接处理？你想想看，嵌入式平台根本扛不住。滤波可以把点数降到十分之一，同时保留关键结构。

1.3 滤波在SLAM中的角色：不只是预处理

很多人觉得滤波就是SLAM流程里“可有可无”的一步。其实不然。我把它比作SLAM系统的“守门员”——它决定了后续所有模块的输入质量。

具体来说，滤波在SLAM中扮演三个角色：

角色	作用	我的经验
数据清洗	剔除动态物体、噪点，保证匹配的稳定性	不做滤波，ICP匹配经常陷入局部最优
降维加速	减少点数，让前端里程计跑得更快	体素滤波后，匹配速度能提升5-10倍
特征增强	突出边缘、平面等结构，提高回环检测准确率	地面滤波后，走廊场景的定位明显更稳

你想想看，如果输入的点云里有一半是噪点，那后面的特征提取、匹配、优化，全都是在“垃圾数据”上做文章。结果可想而知。

1.4 常见滤波算法分类：一张图看懂

下面这张图是我自己整理的滤波算法分类框架。说实话，市面上的滤波方法五花八门，但万变不离其宗——无非就是基于距离、基于统计、基于模型这三条路。

我简单解释一下这三类：

• 基于距离的滤波：最直观的方法。比如直通滤波，直接设定x/y/z的范围，超出就扔掉。我在做停车场项目时，就用它只保留地面以上2米内的点，效率极高。
• 基于统计的滤波：利用点的邻域统计特性。比如统计滤波，计算每个点到邻居的平均距离，距离明显偏大的就是离群点。体素滤波则是用立方体格子对空间进行“网格化”，每个格子只保留一个代表点。
• 基于模型的滤波：假设点云符合某种几何模型。最典型的是RANSAC地面滤波——假设地面是平面，然后拟合出平面方程，把地面点分离出来。我在野外SLAM中经常用它来剔除地面，只保留障碍物点做匹配。

1.5 一个简单的代码示例

说了这么多，不如看段代码实在。下面是我在PCL（Point Cloud Library）里最常用的滤波组合：

// 体素滤波：降采样
pcl::VoxelGrid<pcl::PointXYZ> voxel_filter;
voxel_filter.setInputCloud(cloud);
voxel_filter.setLeafSize(0.1f, 0.1f, 0.1f);  // 10cm格子
voxel_filter.filter(*cloud_downsampled);

// 统计滤波：去噪
pcl::StatisticalOutlierRemoval<pcl::PointXYZ> stat_filter;
stat_filter.setInputCloud(cloud_downsampled);
stat_filter.setMeanK(50);          // 邻居数量
stat_filter.setStddevMulThresh(1.0); // 标准差倍数
stat_filter.filter(*cloud_clean);

这段代码我用了不下百次。体素滤波的格子大小很关键——设大了会丢失细节，设小了降采样效果不明显。我一般根据场景来调：室内0.05m，室外0.1m，矿区0.2m。统计滤波的阈值我习惯用1.0，太大会放过噪点，太小会把正常点也干掉。

1.6 小结

好了，第一章就聊到这儿。点云滤波不是什么高深的技术，但它是整个SLAM系统的“地基”。地基没打好，上面盖多高的楼都白搭。

我个人觉得，学滤波最好的方式就是动手试——拿自己的激光雷达数据，调一调参数，看看效果。你会发现，同样的算法在不同场景下表现天差地别。这就是经验的积累过程。

下一章，咱们深入聊聊最常用的体素滤波，我会把它的原理、参数调优、以及我在项目里踩过的坑都讲清楚。