4、统计滤波：离群点移除原理、标准差阈值设定、实战案例

点云滤波这件事，做高精地图的人天天都要面对。前面我们聊了直通滤波、体素滤波，今天轮到统计滤波了。说实话，统计滤波是我个人用得最多的一个——因为它解决了一个很实际的问题：那些飘在空中的孤立噪点，怎么去掉？

4.1 离群点移除原理

先说说什么是离群点。你想想看，激光雷达扫描的时候，偶尔会打到一些奇怪的地方——比如空气中的灰尘、飞过的昆虫、或者镜面反射产生的虚假点。这些点跟周围点没有关联，孤零零地飘在那里。在高精地图里，这种点就是毒瘤。

统计滤波的思路其实很朴素：每个点周围都有邻居，邻居多的留下，邻居少的滚蛋。具体怎么做呢？

1. 对每个点，计算它到所有k个最近邻的平均距离
2. 所有点的平均距离会形成一个分布（通常是高斯分布）
3. 设定一个阈值，平均距离超过阈值的点就是离群点

嗯，这里要注意：阈值怎么定？不是拍脑袋定的，而是用标准差来算。

我在项目中遇到过这样的情况：某次采集的数据里，有一片区域因为玻璃幕墙反射，产生了大量离群点。如果不做统计滤波，这些点会被当成真实地物，地图里就会出现一堵"鬼墙"。后来我调了标准差倍数，从2.0降到1.5，效果立竿见影。

4.2 标准差阈值设定

阈值设定是统计滤波的灵魂。我见过很多新手上来就设个固定距离，比如5米。这其实不对——为什么呢？因为不同场景下点云的密度差异太大了。

举个例子：

• 近距离扫描（比如10米内），点云很密，平均邻居距离可能只有0.1米
• 远距离扫描（比如50米外），点云稀疏，平均邻居距离可能到0.5米

如果你固定用5米做阈值，近处的离群点全漏掉了，远处的正常点反而被误删。所以要用标准差来自适应。

场景类型	推荐std_mult值	邻居数k	说明
城市道路	1.5 ~ 2.0	20 ~ 30	点云密集，离群点少
高速公路	2.0 ~ 3.0	10 ~ 20	点云稀疏，阈值放宽
隧道/地下车库	1.0 ~ 1.5	30 ~ 50	多径反射多，严格过滤
郊区/野外	2.5 ~ 3.5	5 ~ 15	点云极稀疏，避免误删

我个人习惯是：先跑一遍默认参数（k=20, std_mult=2.0），看看效果。如果发现离群点没清干净，就把std_mult调小；如果发现正常点被误删了，就调大。说白了，这是个经验活。

4.3 实战案例：PCL实现统计滤波

好了，理论说完了，上代码。我用的是PCL库，这是点云处理最常用的工具。代码不长，但每一行都有讲究。

#include <pcl/filters/statistical_outlier_removal.h>

// 输入点云
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
// 假设cloud已经加载了数据

// 创建统计滤波对象
pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
sor.setInputCloud(cloud);

// 关键参数设置
sor.setMeanK(20);          // 邻居数k=20
sor.setStddevMulThresh(2.0); // 标准差倍数=2.0

// 执行滤波
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);
sor.filter(*cloud_filtered);

// 输出结果
std::cout << "原始点云: " << cloud->size() << " 个点" << std::endl;
std::cout << "滤波后: " << cloud_filtered->size() << " 个点" << std::endl;
std::cout << "移除: " << cloud->size() - cloud_filtered->size() << " 个离群点" << std::endl;

这段代码跑完之后，你会看到移除了多少离群点。我曾经在一个项目里，原始点云有120万个点，统计滤波后剩下108万个，移除了10%的离群点。这些点大部分是空气中的漂浮物和远距离的噪点。

4.4 统计滤波的局限性

说实话，统计滤波不是万能的。我总结了几点：

• 对稀疏点云效果差：如果点云本身就很稀疏，每个点的邻居都少，统计出来的平均距离方差很大，阈值不好定
• 计算量大：要计算每个点的k近邻，复杂度是O(n log n)，点云超过100万时，速度明显变慢
• 对连续噪点无效：如果噪点聚成一团（比如一片树叶），统计滤波会认为它们是正常点

那怎么办呢？我的做法是：统计滤波作为第一道防线，后面再配合半径滤波或者条件滤波。说白了，没有一种滤波是银弹，组合使用才是王道。

4.5 核心逻辑流程图

下面这张图是我自己画的，把统计滤波的整个流程串起来了。你看一遍应该就能记住。

这张图把统计滤波的五个核心步骤串起来了。你注意看那个判断菱形——说白了，整个算法的核心就是那个阈值比较。阈值设得好，离群点一个跑不掉；设不好，要么漏检，要么误杀。

好了，统计滤波就聊到这儿。记住一句话：统计滤波不是万能的，但没有统计滤波是万万不能的。在高精地图构建中，它是清理点云的第一道防线，也是最常用的一招。

可可精品资料库