直通滤波：点云处理的第一道门槛
说实话，直通滤波（PassThrough）是我在点云处理里用得最多的一个滤波器。为什么？因为它简单、快、有效。你想想看，很多时候我们拿到的点云数据，范围特别大——比如一个激光雷达扫一圈，能扫到几十米甚至上百米。但真正有用的区域，可能就那么一小块。
直通滤波干的事，说白了就是「切一刀」。沿着某个坐标轴，设定一个范围，范围内的点留下，范围外的点扔掉。就这么简单。
原理：一刀切的艺术
直通滤波的原理，用一句话就能讲清楚：指定一个维度（x、y、z），设定一个区间[min, max]，保留区间内的点，删除区间外的点。
举个例子。你有一堆点云数据，代表一个房间里的物体。你只关心地面以上1米到2米之间的区域。那好，沿着z轴设一个区间[1.0, 2.0]，所有z坐标在这个范围内的点留下，其他的扔掉。
为什么会这样？因为激光雷达扫出来的点，每个点都有三维坐标(x, y, z)。我们只需要判断每个点的坐标是否在指定范围内，是就保留，不是就丢弃。计算量极小，速度极快。
核心公式：对于点P(x, y, z)，在维度d上设定区间[min, max]，若P.d ∈ [min, max]，则保留，否则丢弃。
我在项目中遇到过一种情况：一个AGV小车在仓库里跑，激光雷达装在车顶。雷达能扫到天花板，也能扫到地面。但导航只需要地面附近的点。用直通滤波沿z轴切一刀，保留[0.2, 1.5]米的点，天花板和地面的噪声瞬间就没了。
代码实现：三行搞定
PCL（Point Cloud Library）里已经封装好了直通滤波。代码量很少，我直接贴出来。
#include <pcl/filters/passthrough.h>
// 创建滤波器对象
pcl::PassThrough<pcl::PointXYZ> pass;
// 设置输入点云
pass.setInputCloud(cloud);
// 设置滤波维度为z轴
pass.setFilterFieldName("z");
// 设置范围：保留z在0.2到1.5之间的点
pass.setFilterLimits(0.2, 1.5);
// 执行滤波
pass.filter(*cloud_filtered);嗯，这里要注意。setFilterLimits的两个参数，第一个是下限，第二个是上限。默认是保留区间内的点。如果你想保留区间外的点，可以调用setFilterLimitsNegative(true)。
Python版本也差不多，用pypcl或者open3d都能实现。我习惯用open3d，代码更简洁：
import open3d as o3d
import numpy as np
# 读取点云
pcd = o3d.io.read_point_cloud("scene.pcd")
# 获取点坐标
points = np.asarray(pcd.points)
# 直通滤波：保留z在0.2到1.5之间的点
mask = (points[:, 2] >= 0.2) & (points[:, 2] <= 1.5)
filtered_points = points[mask]
# 更新点云
pcd.points = o3d.utility.Vector3dVector(filtered_points)你看，Python版本其实就是用了一个布尔索引。一行代码搞定滤波。但要注意，open3d的这种方式会丢失点云的其他属性（比如颜色、法向量）。如果你需要保留这些属性，建议用PCL的Python绑定。
参数调节技巧：别小看这几个参数
直通滤波的参数很少，就三个：维度、下限、上限。但调好它们，需要一点经验。
| 参数 | 说明 | 调节建议 |
|---|---|---|
| 维度 | 选择x、y、z中的哪一个轴 | 根据场景选择。地面滤波用z，走廊滤波用x或y |
| 下限 | 保留点的最小坐标值 | 先看数据分布，再设值。别拍脑袋 |
| 上限 | 保留点的最大坐标值 | 同理，看数据分布。留一点余量 |
我个人习惯的做法是：先用可视化工具看一眼点云的整体分布。比如用PCL的CloudViewer或者open3d的draw_geometries。看看点云在z轴上的范围是多少。然后根据需求，设定一个稍微宽松一点的区间。
举个例子。你看到点云在z轴上的分布是[-0.5, 3.0]，你想保留地面以上0.2米到1.5米的区域。那下限设0.2，上限设1.5。但如果你发现有些有用的点刚好在1.5米附近，可以稍微放宽到1.6米。
小技巧：如果你不确定范围，可以先设一个很宽的区间，然后逐步缩小。每次缩小后看一眼结果，直到满意为止。这叫「由粗到精」的调参策略。
在机器人导航中的应用
直通滤波在机器人导航里，几乎是标配。为什么？因为导航算法（比如2D SLAM、路径规划）通常只需要2D信息，或者只需要特定高度范围内的点。
我做过一个项目，用激光雷达做室内导航。雷达装在机器人顶部，高度约0.5米。雷达扫一圈，能扫到地面、墙壁、桌子腿、人的腿。但导航只需要地面的轮廓和障碍物的位置。
怎么处理？两步走：
- z轴直通滤波：保留[0.1, 0.8]米的点。这样地面点（z≈0）被去掉，天花板点（z>1.5）也被去掉。剩下的是墙壁、桌子腿、人腿这些障碍物。
- 投影到2D：把剩下的点投影到x-y平面，生成2D占据栅格地图。
你看，直通滤波在这里起到了「去噪」和「降维」的双重作用。没有它，导航算法会被地面点和天花板点干扰，根本跑不起来。
避坑指南：我曾经在一个项目中，把直通滤波的范围设得太窄，结果把机器人自身的轮子点也滤掉了。后来发现，机器人的轮子高度刚好在0.05米左右，而我设的下限是0.1米。嗯，从那以后，我每次设范围都会留一点余量，至少±0.05米。
知识体系图
下面这张图，帮你理清直通滤波在整个点云处理流程中的位置。
从这张图你能看到，直通滤波是整个点云预处理流程中非常基础的一环。它不复杂，但用好了，能解决很多实际问题。
最后说一句。直通滤波虽然简单，但千万别小看它。我见过不少新手，一上来就用复杂的滤波器（比如统计滤波、体素滤波），结果参数调不好，效果还不如一个简单的直通滤波。记住：能用简单方法解决的问题，就别用复杂的。
可可精品资料库