直通滤波：原理讲解、PCL实现、参数调优、适用场景分析

大家好，我是你们的老朋友。今天咱们聊聊点云滤波里最基础、也最常用的一招——直通滤波。

说实话，我刚入行那会儿，觉得滤波嘛，不就是把不要的点删掉？后来踩了不少坑才明白，直通滤波看似简单，但用好了能省下80%的计算量。你想想看，一个激光雷达扫一圈，几百万个点，大部分都是无效区域。直接上复杂算法？那是在浪费生命。

一、直通滤波的原理

直通滤波的原理，说白了就一句话：沿着某个坐标轴，设定一个范围，把范围外的点全部干掉。

举个例子。你面前有一堵墙，激光雷达扫过去，墙后面的点你根本不需要。那好，我沿着X轴设个阈值，比如0到5米。5米以外的点，拜拜了您嘞。

数学表达也很简单：

对于点云中的每个点 P(x, y, z)：
  如果 x_min ≤ x ≤ x_max，保留
  否则，丢弃

嗯，就这么粗暴。但粗暴有粗暴的好处——速度快，实时性极强。我在做自动驾驶项目时，经常先用直通滤波把远距离的噪点切掉，再去做地面分割。效果立竿见影。

二、PCL中的直通滤波实现

PCL里实现直通滤波，主要用 pcl::PassThrough 这个类。代码不长，但有几个坑我得提前告诉你。

先看一个标准示例：

#include <pcl/point_types.h>
#include <pcl/filters/passthrough.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>);

// 创建直通滤波对象
pcl::PassThrough<pcl::PointXYZ> pass;
pass.setInputCloud(cloud);
pass.setFilterFieldName("z");        // 沿Z轴滤波
pass.setFilterLimits(0.0, 2.0);      // 保留Z在0到2米之间的点
pass.setFilterLimitsNegative(false); // false表示保留区间内，true表示保留区间外
pass.filter(*cloud_filtered);

这段代码，我闭着眼睛都能写出来。但注意几个细节：

• setFilterFieldName：参数是字符串，支持"x"、"y"、"z"。别写错了大小写，我见过有人写成"X"结果滤波没效果，排查了半天。
• setFilterLimitsNegative：这个参数很关键。默认false，保留区间内的点。如果你想要“剔除某个范围内的点”，比如去掉地面附近的点，就设成true。
• 滤波顺序：如果你要同时滤波X和Z轴，需要创建两个PassThrough对象，依次执行。PCL没有提供一次性多轴滤波的接口。

三、参数调优实战

参数调优，说白了就是调两个东西：滤波轴和阈值范围。

怎么调？我一般遵循这个原则：

1. 先看数据分布：用PCL的 getMinMax3D() 函数看看点云在三个轴上的范围。比如Z轴最小值是-0.5，最大值是10.0。那地面可能在-0.5附近，树梢在8.0以上。
2. 确定感兴趣区域：你的目标是什么？如果是做障碍物检测，通常关注地面以上0.2米到2.5米的范围。如果是做高精地图，可能需要保留全部。
3. 留余量：阈值不要卡得太死。比如你只要2米以内的点，设成0到2.2米，留点余量。为什么？因为激光雷达有测量误差，边界上的点可能来回跳。

我曾经在一个项目中，把Z轴阈值设成了0.0到1.8米，结果有个1.81米高的行人被切掉了半个身子。嗯，后来我学乖了，阈值永远留5%-10%的余量。

场景	推荐滤波轴	推荐阈值范围	说明
自动驾驶（前向）	X轴 + Z轴	X: 0~50m, Z: -0.5~2.5m	去掉远处和天空
室内机器人	Z轴	Z: 0.1~2.0m	去掉地面和天花板
高精地图采集	不滤波或仅X轴	X: 0~100m	保留尽可能多的信息
仓储AGV	Z轴	Z: 0.05~1.5m	只保留货架层

四、适用场景分析

直通滤波不是万能的，但它特别适合以下场景：

• 预处理阶段：任何点云处理流程的第一步。先切掉无效区域，再去做分割、聚类、配准。我个人的习惯是，拿到点云第一件事就是直通滤波。
• 固定场景的机器人：比如仓储机器人，工作区域固定，阈值可以提前标定好。一次调参，终身受益。
• 实时性要求高的系统：直通滤波的计算复杂度是O(n)，n是点数。100万个点，在普通CPU上也就几毫秒。比什么体素滤波、统计滤波快多了。
• 多传感器融合：比如激光雷达和相机联合标定，需要把点云裁剪到相机视野范围内。这时候直通滤波配合相机FOV角度，效果很好。

但直通滤波也有短板：

• 无法处理不规则形状：它只能切出长方体区域。如果你想要圆形、多边形区域，得用其他方法。
• 对旋转敏感：如果传感器安装角度变了，阈值就得重新调。所以固定安装的场景最合适。
• 不能去除离群点：直通滤波只按坐标切，不判断点的“好坏”。那些飘在空中的噪点，它管不了。

五、知识体系总览

下面这张图，是我自己总结的直通滤波知识框架。你一看就明白：

好了，直通滤波就聊到这儿。它虽然简单，但用好了能帮你省下大量时间。下一章咱们聊聊体素滤波，那个更有意思——它能帮你把点云“瘦身”，同时保留形状特征。