3. 点云滤波基础：体素滤波、直通滤波、统计滤波的原理与对比
点云滤波，说白了就是给原始点云数据「洗个澡」。
我刚开始做激光雷达感知时，拿到一帧64线Velodyne的数据，几万个点直接往里灌。结果呢？算法跑得比蜗牛还慢，还全是噪点。后来才明白——滤波不是可选项，是必选项。
今天咱们聊三个最常用的滤波方法：体素滤波、直通滤波、统计滤波。它们各有各的脾气，用对了地方，事半功倍。
核心观点：滤波的本质是「去粗取精」——去掉冗余、噪声和无关区域，保留对感知任务最有价值的点。
3.1 体素滤波（Voxel Grid Filter）
体素滤波，我习惯叫它「下采样利器」。它的思路很简单：把空间切成一个个小立方体（体素），每个体素里只保留一个代表点。
原理：
- 设定体素边长（比如0.1m）
- 将点云划分到对应体素中
- 每个体素内计算所有点的重心（或中心），作为输出点
嗯，这里要注意：体素边长选多大？我踩过坑。选太大，远处的小物体会直接消失；选太小，降采样效果不明显。一般0.05m~0.2m是个安全区间。
我的经验：做目标检测时，体素边长设为0.1m；做地图构建时，可以放宽到0.2m。你想想看，检测需要细节，地图更看重整体结构。
// PCL中的体素滤波示例
pcl::VoxelGrid<pcl::PointXYZ> voxel_filter;
voxel_filter.setInputCloud(cloud);
voxel_filter.setLeafSize(0.1f, 0.1f, 0.1f); // 体素边长0.1m
voxel_filter.filter(*cloud_filtered);优点：速度快、可控性强、能大幅减少点数。
缺点：会丢失局部细节，体素边界处可能出现锯齿效应。
3.2 直通滤波（PassThrough Filter）
直通滤波，说白了就是「切一刀」。指定一个轴（比如Z轴），只保留某个范围内的点。
我在项目中遇到过这种情况：激光雷达装在车顶，地面以下全是噪点。用直通滤波沿Z轴切掉负值区域，干净利落。
原理：
- 选定坐标轴（X、Y或Z）
- 设定最小值和最大值
- 保留范围内的点，扔掉范围外的点
// PCL中的直通滤波示例
pcl::PassThrough<pcl::PointXYZ> pass;
pass.setInputCloud(cloud);
pass.setFilterFieldName("z");
pass.setFilterLimits(0.0, 2.5); // 保留Z轴0~2.5m范围
pass.filter(*cloud_filtered);避坑指南：我曾经把直通滤波的阈值设得太紧，结果把远处的行人切掉了一半。建议先可视化看一下点云分布，再定阈值。
优点：简单粗暴、计算量极小、适合去除固定区域的点。
缺点：只能沿坐标轴方向切割，无法处理倾斜或弯曲的边界。
3.3 统计滤波（StatisticalOutlierRemoval）
统计滤波，我管它叫「噪点杀手」。它基于一个假设：真实物体表面的点密度高，孤立噪点周围点稀疏。
原理：
- 对每个点，计算它到k个最近邻的平均距离
- 计算所有平均距离的均值和标准差
- 如果某点的平均距离 > 均值 + 标准差 × 倍数，判定为离群点
为什么会这样？因为噪点通常孤零零地飘着，周围没几个邻居。统计滤波就是抓住这个特征把它们揪出来。
// PCL中的统计滤波示例
pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
sor.setInputCloud(cloud);
sor.setMeanK(50); // 考虑50个近邻
sor.setStddevMulThresh(1.0); // 标准差倍数
sor.filter(*cloud_filtered);我的习惯：setMeanK设50~100，setStddevMulThresh设1.0~2.0。倍数越小，剔除越狠。如果场景噪点多，可以适当放宽倍数。
优点：对孤立噪点效果极好、参数直观。
缺点：计算量大（需要建KD-Tree）、对边缘点可能误删。
3.4 三种滤波对比
| 特性 | 体素滤波 | 直通滤波 | 统计滤波 |
|---|---|---|---|
| 主要用途 | 降采样、减少点数 | 裁剪空间范围 | 去除离群噪点 |
| 计算速度 | 快 | 极快 | 较慢 |
| 参数敏感性 | 中等（体素边长） | 低（阈值直观） | 高（k和倍数） |
| 是否改变点结构 | 是（生成新点） | 否（保留原有点） | 否（保留原有点） |
| 典型应用场景 | 预处理、特征提取前 | 去除地面、天空 | 去噪、数据清洗 |
3.5 协同调优思路
实际项目中，这三种滤波经常搭配使用。我一般这么干：
- 先直通滤波：切掉明显无关的区域（比如地面以下、天空以上）
- 再统计滤波：干掉孤立噪点
- 最后体素滤波：降采样到合适密度
你想想看，这个顺序是有道理的。先切掉大块无用区域，减少后续计算量；再去噪，保证体素内点的质量；最后降采样，控制点数。
避坑指南：我曾经把体素滤波放在统计滤波前面，结果体素把噪点和正常点混在一起，统计滤波反而不好使了。顺序很重要，别搞反。
好了，三种滤波的原理和对比就聊到这儿。记住一句话：没有最好的滤波，只有最合适的组合。下一节咱们会深入代码实战，看看怎么把这些滤波串起来用。