4. 直通滤波：快速裁剪无效区域的利器

做SLAM的人，谁没被定位漂移折磨过？

我记得刚入行那会儿，调试一个AGV的定位系统。车子在仓库里跑得好好的，一到门口就开始抽风——定位数据跳来跳去，轨迹直接画成了鬼画符。排查了半天，发现是门口那堆堆高机的金属货架反射太强，激光雷达扫到那些点，全成了噪声。

当时我师傅走过来，看了一眼点云，说了句：「把没用的区域切掉」。

嗯，这就是直通滤波。

4.1 直通滤波到底在干什么？

说白了，直通滤波就是一把剪刀。

你有一堆三维点云，每个点都有X、Y、Z坐标。直通滤波做的事情很简单：设定一个范围，范围外的点，全扔掉。

比如你的激光雷达装在车顶，高度2米。那2.5米以上的点，大概率是天花板、吊灯、横梁。这些点对定位没什么帮助，反而会引入噪声。一刀切掉，干净利落。

我习惯把直通滤波叫做「第一道防线」。为什么？因为它是所有点云预处理里最快、最直接的方法。不涉及复杂的数学计算，不迭代，不聚类。就是比大小，然后删点。

4.2 什么时候该用直通滤波？

你想想看，SLAM系统里哪些场景最需要它？

• 场景一：固定安装的传感器。比如扫地机器人，激光雷达高度固定。地面以下和天花板以上的点，全是无效数据。
• 场景二：已知工作区域。比如AGV只在某个车间里跑。车间墙壁以外的点，要么是反射噪声，要么是隔壁车间的干扰。
• 场景三：去除载体自身。机器人身上的结构件、支架，有时候会被雷达扫到。这些点离传感器太近，而且位置固定，对定位没帮助。

我在项目中遇到过最典型的案例：一个室外无人车，GPS信号弱的时候靠激光雷达定位。结果每次经过一片灌木丛，点云里就多出一堆乱七八糟的叶子点。这些点高度在0.5米到1.5米之间，正好和路沿、障碍物混在一起。后来我在Z轴上做了一个直通滤波，只保留0.2米以下和1.8米以上的点——灌木丛的干扰直接减少了80%。

4.3 代码实现：三行代码搞定

PCL里实现直通滤波，代码量少得可怜。我直接贴一个我常用的模板：

#include <pcl/filters/passthrough.h>

// 输入点云：cloud_in
// 输出点云：cloud_filtered

pcl::PassThrough<pcl::PointXYZ> pass;
pass.setInputCloud(cloud_in);
pass.setFilterFieldName("z");        // 沿Z轴滤波
pass.setFilterLimits(0.0, 2.0);      // 保留0到2米范围
// pass.setFilterLimitsNegative(true); // 如果设为true，则保留范围外的点
pass.filter(*cloud_filtered);

你看，就这么几行。但有几个细节我得提醒你：

• setFilterFieldName 可以填 "x"、"y"、"z"，也可以填强度字段 "intensity"。
• setFilterLimits 的两个参数是闭区间。也就是说，等于边界值的点也会保留。
• setFilterLimitsNegative 这个参数很实用。有时候你想保留「范围外」的点，比如只保留地面以下的点，那就把它设为true。

4.4 避坑指南：我曾经踩过的坑

直通滤波虽然简单，但用不好也会翻车。我分享几个真实教训：

4.5 直通滤波在SLAM中的定位

直通滤波不是万能的。它解决不了动态物体的干扰，也处理不了离群点。但它有一个无可替代的优势：快。

我做过测试，100万个点的点云，做一次直通滤波只需要几毫秒。相比之下，体素滤波要几十毫秒，统计滤波要上百毫秒。所以在实时性要求高的系统里，直通滤波往往是第一道关卡。

我个人习惯的预处理流程是这样的：

1. 直通滤波：快速切掉已知的无效区域（天花板、地面、墙壁外）
2. 体素滤波：降采样，减少计算量
3. 统计滤波：去除离群点

这个顺序不是随便定的。先做直通滤波，可以大幅减少后续步骤的计算量。你想想看，如果点云里有一半的点都是天花板，先切掉它们，体素滤波和统计滤波的处理时间能省一半。

4.6 本章小结

直通滤波，说白了就是一把快刀。它不聪明，但很实用。在SLAM系统里，它负责把那些「明知道没用」的点快速清理掉，为后续的精细处理腾出空间。

记住三个要点：

• 用对坐标系——滤波方向要和传感器安装一致
• 留足余量——阈值别卡得太死，给机器人留点活动空间
• 放在预处理第一步——先切再降，效率最高

嗯，直通滤波就讲到这里。下一章我们聊聊体素滤波，那个才是真正考验参数调优功底的东西。

---

可可精品资料库