4. 点云预处理：滤波、下采样与离群点移除

点云预处理，说白了就是给原始点云数据“洗个澡”。

你想想看，不管是激光扫描还是结构光拍照，拿到的原始点云里总会有各种“脏东西”——噪点、飞点、边缘毛刺。如果不处理干净，后面的测量精度和抓取成功率根本没法保证。

我个人习惯把预处理分成三个步骤：滤波 → 下采样 → 离群点移除。顺序不能乱，每一步都有它的道理。

4.1 统计滤波：干掉那些“孤零零”的点

统计滤波的原理很简单：每个点周围有多少邻居？

如果一个点周围邻居太少，说明它是个“孤岛”，大概率是噪声。我一般用 k=30 作为邻居数量，标准差倍数设为 1.5。这两个参数怎么调？

参数	作用	调大	调小
k（邻居数）	计算平均距离时参考的点数	滤波更严格，保留更少点	滤波更宽松，保留更多点
sigma（标准差倍数）	判断离群点的阈值	保留更多边缘点	去除更多点

// Halcon 统计滤波示例
* 读取点云
read_object_model_3d(PointCloud, 'ply', [], [], ObjectModel3D)
* 统计滤波参数
k := 30
sigma := 1.5
* 执行滤波
statistical_outlier_filter(ObjectModel3D, 'knn', k, sigma, FilteredModel)
* 查看剩余点数
get_object_model_3d_params(FilteredModel, 'num_points', NumPoints)

4.2 半径滤波：另一种思路

半径滤波和统计滤波是“亲戚”，但判断逻辑不同。

它是在每个点周围画一个固定半径的球，数球里有几个点。如果少于某个阈值，就干掉它。

方法	判断依据	适用场景
统计滤波	基于全局平均距离	点云密度均匀的场景
半径滤波	基于固定半径内的点数	点云密度变化大的场景

我记得有一次做汽车钣金件的测量，点云边缘密度特别低，中间密度高。用统计滤波把边缘细节全干掉了，换成半径滤波才保住边缘特征。

// Halcon 半径滤波示例
* 半径滤波参数
radius := 2.0
min_points := 8
* 执行半径滤波
radius_outlier_filter(ObjectModel3D, radius, min_points, FilteredModel)

4.3 体素下采样：给点云“减肥”

原始点云动不动就几十万甚至上百万个点，直接处理太慢了。体素下采样就是给点云“减肥”——用一个个小立方体（体素）把空间网格化，每个体素里只保留一个点。

体素大小怎么选？

• 测量任务：体素大小 = 你允许的测量误差。比如你要测 0.1mm 的精度，体素就不能大于 0.1mm。
• 抓取任务：体素可以大一点，0.5-1.0mm 都行，反正抓取不需要亚毫米精度。
• 配准任务：体素大小建议在 0.3-0.5mm，太大会丢失特征点。

// Halcon 体素下采样示例
* 设置体素大小（单位：米）
GridSize := 0.001  // 1mm
* 执行体素滤波
voxel_filter(ObjectModel3D, 'grid', GridSize, DownsampledModel)
* 对比点数
get_object_model_3d_params(ObjectModel3D, 'num_points', OriginalNum)
get_object_model_3d_params(DownsampledModel, 'num_points', DownNum)

4.4 离群点移除：最后的“清场”

离群点移除和统计滤波有点像，但更“暴力”。它专门针对那些明显偏离主点云的点——比如扫描时反光造成的“飞点”，或者边缘的“毛刺”。

我常用的方法是基于距离的离群点检测：

1. 计算每个点到最近邻的距离
2. 设定一个距离阈值（比如平均距离的 3 倍）
3. 超过阈值的点直接删除

// Halcon 离群点移除示例
* 基于距离的离群点检测
distance_threshold := 5.0  // 单位：mm
* 执行移除
connection_object_model_3d(ObjectModel3D, 'distance', distance_threshold, ConnectedModels)
* 保留最大的连通分量（主点云）
select_largest_object_model_3d(ConnectedModels, CleanModel, 1)

4.5 参数调优：我的“三板斧”

参数调优是预处理里最头疼的事。我总结了一套“三板斧”方法：

步骤	操作	工具
第一斧	可视化观察点云，标记明显噪点区域	visualize_object_model_3d
第二斧	用统计滤波粗滤，参数从保守开始	statistical_outlier_filter
第三斧	检查滤波结果，逐步收紧参数	get_object_model_3d_params

嗯，这里要注意：不要一次性把参数调到最狠。我见过有人上来就把 sigma 设成 0.5，结果点云只剩 30% 的点，特征全没了。慢慢调，每次看效果，这才是工程思维。