3. 点云预处理与工件特征保持
原始点云从三维扫描仪或结构光相机输出后，几乎不可能直接用于配准与测量。它通常同时包含三类“杂质”：传感器随机噪声、与工件无关的离群点，以及过密冗余点。预处理的目标不是把点云“洗得干净漂亮”，而是在抑制噪声与保住工件真实几何特征之间找到平衡。对工件测量而言，边缘、棱线、孔口、台阶面这些位置恰恰是尺寸与形位公差的判定依据，一旦被平滑掉，后续测量再精确也失去意义。
一、四类操作各自解决什么问题
去噪针对的是高频小幅扰动，典型来源是激光散斑、深度相机量化误差、表面反射率突变。它改变的是点的坐标位置，不改变点的数量。下采样针对的是密度冗余，把百万级点云压缩到十万级，降低配准与曲面重建的计算量，但会改变点间距与局部密度。离群点剔除针对的是空间上孤立、与主体结构无连接的点，例如飞点、边缘拖尾、背景残留，它直接删除点。平滑与边缘保留则是一对矛盾体：平滑降低表面粗糙度，边缘保留阻止棱线被抹圆。
这四步不是简单串联，而是相互影响。先下采样再剔除离群点，可能因为采样后孤立点更稀疏而漏删；先强力平滑再提取边缘，棱线可能已经钝化。因此工程上更常见的顺序是：先粗剔除明显离群点 → 再下采样控制规模 → 然后按需去噪/平滑 → 最后做边缘保护性精修。下面这张图给出了各操作对点云属性（点数、坐标、密度、特征锐度）的影响路径。
二、关键参数怎么定：以统计滤波与体素下采样为例
离群点剔除最常用的是统计滤波（Statistical Outlier Removal）。它对每个点计算到最近 k 个邻居的平均距离，再对全体点的平均距离做统计，认为平均距离超过“全局均值 + n 倍标准差”的点是离群点。参数只有两个：邻居数 k 和标准差倍数 n。k 太小，局部统计不稳定；k 太大，计算量上升且会把真实稀疏区域误判。工程经验是 k 取 20～50，n 取 1.0～2.0。n 越小删得越狠，n=1.0 时约保留 84% 的正态分布点，n=2.0 时约保留 97.7%。对工件测量，建议先用 n=2.0 保守剔除，观察剩余点云是否还有明显飞点，再逐步收紧。
体素下采样（Voxel Grid）把空间划分成边长为 v 的立方体栅格，每个栅格内所有点用其质心代替。v 是唯一核心参数，直接决定输出点间距。若工件最小特征尺寸为 0.5 mm，v 不应大于 0.25 mm，否则孔口、窄槽可能被合并丢失。一个可操作的判断方法是：下采样后重新计算点云的平均最近邻距离，若该值接近 v，说明采样正常；若远大于 v，说明点云本身稀疏，不应再下采样。
三、平滑与边缘保留的工程权衡
平滑算法中，高斯滤波按固定核宽对邻域加权平均，实现简单但会无差别地钝化棱线；双边滤波在空间距离权重之外引入法向或强度差异权重，使跨越棱线的点不参与彼此平滑，因此能在降噪的同时保留边缘；移动最小二乘（MLS）用局部拟合曲面重投影点，平滑效果好，但核宽过大同样会圆化尖角。
对工件测量，推荐按区域区别对待：平面区域可以较强平滑，因为平面上的噪声直接影响平面度拟合；棱线、孔口、台阶附近应降低平滑强度或直接跳过。实现上可用曲率作为门控——先估计每点法向与曲率，曲率高于阈值的点标记为特征点，平滑时只对非特征点做邻域加权，特征点保持原坐标或仅做极轻微修正。这样既压住了平面噪声，又保住了尺寸基准。
四、一套可复用的预处理决策顺序
综合以上分析，面向工件测量的预处理可按以下顺序执行，每一步都设一个可观察的判据：
- 粗剔除：统计滤波 k=30、n=2.0，观察剩余点云是否还有远离主体的孤立簇；若有，补一次半径滤波，半径取 2～3 倍平均点间距，最少邻居数取 5～10。
- 下采样：体素边长 v 取最小特征尺寸的 1/3～1/2，检查下采样后孔口、窄槽是否仍可分辨。
- 法向与曲率估计：邻域半径取 3～5 倍点间距，用于后续特征门控。
- 分区平滑：平面区域用双边滤波或 MLS，核宽约 2～3 倍点间距；曲率高于阈值的特征点不参与平滑。
- 复核：叠加原始点云与处理后点云，重点看棱线、孔口、台阶是否发生整体偏移；若偏移超过测量公差的三分之一，应回退平滑强度。
这套顺序的核心思想是：先删明显错误，再控规模，最后在保护特征的前提下修表面。每一步都保留可回退的中间结果，便于在测量结果异常时定位是哪个环节引入了偏差。预处理不是一次性动作，而是与后续配准、特征提取、公差评定联动的可追溯环节。