第4章：点云预处理实战：体素滤波、统计滤波、半径滤波，去除离群点与下采样

点云数据拿到手，第一件事是什么？

不是急着做配准，也不是急着做分割。我个人的习惯是——先做预处理。为什么？因为原始点云太“脏”了。传感器噪声、环境干扰、远距离的飘点……这些乱七八糟的东西如果不处理掉，后面所有的算法都会被带偏。

说白了，预处理就是给点云“洗个澡”。洗完之后，数据干净了，计算量也小了，后面的活儿才好干。

4.1 为什么要做点云预处理？

你想想看，一个激光雷达扫一圈，可能产生几十万个点。这里面有多少是真正有用的？

• 离群点：莫名其妙飘在空中的点，可能是传感器误触发的。
• 噪声点：物体边缘的抖动、反射干扰造成的。
• 冗余点：平坦地面上密密麻麻的点，其实几个点就能代表。

我在项目中遇到过最夸张的一次，一个室内扫描的点云，离群点占了将近15%。如果不滤掉，后续的平面拟合直接跑偏。嗯，从那以后我再也不敢跳过预处理了。

4.2 三种滤波方法详解

预处理主要靠三种滤波：体素滤波、统计滤波、半径滤波。它们各管一摊，配合使用效果最好。

4.2.1 体素滤波（Voxel Grid Filter）—— 下采样的主力

体素滤波说白了就是“降采样”。它把空间划分成一个个小立方体（体素），每个体素内只保留一个点（通常是重心点）。

这样做的好处很明显：点云密度均匀了，计算量大幅下降。我习惯把体素大小设为0.01m~0.05m，具体看场景。如果是室内小物体，0.01m就够了；如果是室外大场景，0.05m更合适。

// C++ PCL 示例：体素滤波
pcl::VoxelGrid<pcl::PointXYZ> voxel_filter;
voxel_filter.setInputCloud(cloud);
voxel_filter.setLeafSize(0.02f, 0.02f, 0.02f); // 体素大小 2cm
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);
voxel_filter.filter(*cloud_filtered);

4.2.2 统计滤波（Statistical Outlier Removal）—— 去离群点的利器

统计滤波的原理很简单：计算每个点到它K个近邻的平均距离。如果这个距离超出了全局平均距离的某个倍数（标准差倍数），就判定为离群点。

为什么会这样？因为离群点通常孤零零的，周围没什么邻居，平均距离自然就大。

我记得有一次做室外道路点云处理，统计滤波帮我清掉了所有飘在空中的树叶点。参数设置上，我一般取K=50，标准差倍数设为1.0~2.0。倍数越小，滤掉的点越多。

// C++ PCL 示例：统计滤波
pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
sor.setInputCloud(cloud);
sor.setMeanK(50);          // 近邻点数
sor.setStddevMulThresh(1.0); // 标准差倍数
sor.filter(*cloud_filtered);

4.2.3 半径滤波（Radius Outlier Removal）—— 另一种去噪思路

半径滤波和统计滤波有点像，但判断标准不同。它检查每个点周围指定半径内是否有足够多的邻居。如果邻居数量少于阈值，就干掉它。

这个滤波器对稀疏的离群点特别有效。我曾经用它处理过激光雷达扫描的墙角点云，那些因为反射角度问题产生的孤立点，半径滤波一把就清干净了。

// C++ PCL 示例：半径滤波
pcl::RadiusOutlierRemoval<pcl::PointXYZ> ror;
ror.setInputCloud(cloud);
ror.setRadiusSearch(0.05);   // 搜索半径 5cm
ror.setMinNeighborsInRadius(10); // 最少邻居数
ror.filter(*cloud_filtered);

4.3 三种滤波对比

滤波方法	主要用途	关键参数	适用场景
体素滤波	下采样，降低密度	体素大小	所有场景，尤其是大场景
统计滤波	去除离群点	K近邻数、标准差倍数	噪声均匀的场景
半径滤波	去除稀疏离群点	搜索半径、最少邻居数	孤立点较多的场景

4.4 实战流程：先滤波，再下采样

在实际项目中，我通常按这个顺序来：

1. 先统计滤波或半径滤波：把明显的离群点干掉。
2. 再体素滤波：把干净的点云降采样，降低计算量。

为什么要先滤波再下采样？你想想看，如果先下采样，离群点还在里面，只是密度变低了。后面再做滤波，效果会打折扣。我曾经犯过这个错，后来就记住了。

4.5 知识体系总览

下面这张图把本章的核心逻辑串起来了。你可以看到，预处理不是随便选一个滤波就完事，而是有策略的。

4.6 避坑指南

做点云预处理这些年，我踩过不少坑。分享几个给你：

嗯，这些坑你记住了，就能少走弯路。预处理做好了，后面的配准、分割、识别才能稳稳当当。

---