一滤波的作用点云原始数据激光雷达、深度相机扫描出来通常带有噪声点、离群孤点、多余高密度点、背景杂点。滤波就是对点云进行降噪、精简、预处理去掉无用数据保留有效点。还有一个重要作用是降采样减少点云中点的数量。为后续分割、配准、曲面重建、目标识别做准备。PCL 官方filters模块一共有 30 种滤波器类PCL1.15 版本.二、常用滤波器PassThrough 直通滤波按 X/Y/Z 坐标范围裁剪点云速度最快。只保留指定区间的点。VoxelGrid 体素栅格降采样3D 立方体网格降采样减少点数量保留外形加速后续算法。ApproximateVoxelGrid 近似体素降采样VoxelGrid 的简化版本速度更快精度略低适合海量点云。StatisticalOutlierRemoval 统计离群滤波基于邻域统计剔除孤立飞点噪声。RadiusOutlierRemoval 半径离群滤波给定半径半径内邻居数量不够就删掉该噪点。三、条件 / 索引类滤波器ConditionalRemoval 条件滤波自定义多条件表达式筛选点比如同时限制 XYZ、RGB。ExtractIndices 索引提取滤波根据点索引提取一部分点云非常常用分割后提取目标物体。CropBox 包围盒裁剪滤波3D 长方体框裁剪可以旋转框比 PassThrough 更灵活斜着框选区域。CropHull 凸包裁剪按多边形凸包轮廓裁剪点云。三、平滑、卷积、采样类BilateralFilter 双边滤波平滑表面噪声保留物体边缘高精度扫描点云。FastBilateralFilter / FastBilateralFilterOMP 快速双边滤波多线程加速版本适合有序深度点云。MedianFilter 中值滤波适合有序深度图点云去除椒盐噪声。RandomSample 随机采样随机抽取一部分点简单降采样。FarthestPointSampling 最远点采样均匀采样保留物体特征机器学习点云常用。SamplingSurfaceNormal 基于法向采样根据表面法向进行采样。四、投影、几何、特殊滤波ProjectInliers 模型投影滤波把点投影到拟合平面 / 圆柱等模型上。ShadowPoints 阴影点去除深度相机产生的边缘 “鬼影点” 去除。LocalMaximum 局部最大值滤波保留局部峰值点用于关键点提取。Convolution 卷积滤波高斯卷积对点云做平滑。ProgressiveMorphologicalFilter 渐进形态学滤波专门用于地面点分离激光雷达地形点云分离地面 /五、简单区分记忆裁剪PassThrough、CropBox降采样VoxelGrid、ApproximateVoxelGrid、RandomSample去噪离群StatisticalOutlierRemoval、RadiusOutlierRemoval平滑Bilateral、Median提取子集ExtractIndices、ConditionalRemoval六、开始程序学习1StatisticalOutlierRemoval 统计滤波作用去除掉孤立的离群噪点参数说明setMeanK(50)MeanK 50每个点在点云中搜索最近邻的 50 个点。原理对每个点查找它周围最近的 K 个邻居计算该点到这 50 个邻居的平均距 离。这个平均距离用来判断这个点是不是孤立的离群噪点。参数含义K 近邻数量。取值经验太小比如 5、10容易误把正常边缘点当成噪点删掉太大100计算变慢局部特征被平均抹平小物体容易被误删一般场景推荐20~50你这里 50 是比较稳妥的值。2.setStddevMulThresh(1.0)标准差倍数阈值stddevMulThresh 1.0先计算全部点的「点到邻居平均距离」的全局均值 μ和全局标准差 σ阈值公式\(\text{threshold} \mu 1.0 \times \sigma\)如果某个点它到邻居的平均距离 threshold→ 判定为离群点直接剔除如果小于阈值 → 保留输出到cloud_filtered简单人话理解 1.0 代表凡是距离超出全局平均距离 1 倍标准差的点都当成噪声删掉。参数调参规律数值越小 → 滤波越激进删掉更多点0.5很多稍微远一点的点都会被删掉点云损失大数值越大 → 滤波越保守保留更多点去噪能力变弱2.0只有非常孤立的点才会被移除适合噪声少的高质量点云。工程常用范围0.8 ~ 2.0你用的 1.0 是经典示例参数。完整工作流程输入原始点云cloud对每一个点找最近 50 个邻居计算当前点到 50 邻居的平均距离统计所有点的平均距离算出全局均值 μ、标准差 σ阈值 μ 1.0 × σ所有点中平均距离大于阈值的点判定为离群噪点filter(*cloud_filtered)把保留的点输出到cloud_filtered程序#include iostream #include pcl/io/pcd_io.h #include pcl/point_types.h #include pcl/filters/statistical_outlier_removal.h //创建点云文件放原始点云和滤波后点云 pcl::PointCloudpcl::PointXYZ::Ptr cloud(new pcl::PointCloudpcl::PointXYZ); pcl::PointCloudpcl::PointXYZ::Ptr cloud_filtered(new pcl::PointCloudpcl::PointXYZ); // 定义点云读取类 pcl::PCDReader reader; // 读取点云 reader.readpcl::PointXYZ(table_scene_lms400.pcd, *cloud); //创建统计滤波点云对象 pcl::StatisticalOutlierRemovalpcl::PointXYZ sor; sor.setInputCloud(cloud); sor.setMeanK(50); sor.setStddevMulThresh(1.0); sor.filter(*cloud_filtered); pcl::PCDWriter writer; //存放需要的点云 writer.writepcl::PointXYZ(table_scene_lms400_inliers.pcd, *cloud_filtered, false); sor.setNegative(true); sor.filter(*cloud_filtered); //存放滤除的点云 writer.writepcl::PointXYZ(table_scene_lms400_outliers.pcd, *cloud_filtered, false);原始点云滤波后点云滤波去除的点云部分