PCL 中常用的滤波对比

一、目的

PCL 的滤波本质 = 在点云的空间 / 统计 / 几何结构上做约束

目的只有三个：
降噪、下采样、去异常点

二、PCL 滤波算子的三大类

类别	解决问题
空间采样类	点太密、数据太大
统计 / 密度类	离群点
几何约束类	结构不合理的点

三、空间采样类

VoxelGrid（体素滤波）⭐⭐⭐⭐⭐

原理

将空间划分为 立方体体素
每个体素 → 用质心或 平均点 代替

数学上：

特点

优点	缺点
下采样均匀	会模糊边缘
速度快	精度下降

PCL 示例

cpp 复制代码

pcl::VoxelGrid<pcl::PointXYZ> vg;
vg.setLeafSize(0.01f, 0.01f, 0.01f);
vg.setInputCloud(cloud);
vg.filter(*cloud_filtered);

Q2：为什么 VoxelGrid 会模糊边缘？

体素内做均值，破坏高频几何结构

边缘的本质

几何不连续

曲率突变

法向急剧变化

信号处理视角（非常高级，但很加分）

VoxelGrid ≈ 盒函数卷积 + 下采样

rect = 体素窗口

卷积 = 平滑

下采样 = 混叠风险

👉 这就是标准低通 + 降采样

VoxelGrid

参数：体素大小 Δ
Δ 过大 → 结构损失
Δ 过小 → 效果不明显

VoxelGrid 牺牲局部几何细节换取全局稳定性

ApproximateVoxelGrid（近似滤波）

与 VoxelGrid 类似
使用近似哈希
更快，但不稳定

👉 实时系统可用

四、范围裁剪类

PassThrough（直通滤波）

原理

👉 简单几何约束

应用

去掉地面下方
限制 ROI

cpp 复制代码

// Create the filtering object
pcl::PassThrough<pcl::PointXYZ> pass;
pass.setInputCloud(cloud);
pass.setFilterFieldName("z");
pass.setFilterLimits(0.0, 1.0);
//pass.setFilterLimitsNegative(true);
pass.filter(*cloud_filtered);

五、统计 / 密度类（去噪核心）

StatisticalOutlierRemoval（SOR）⭐⭐⭐⭐⭐

原理（一定要讲清）

对每个点：
- 找 k 近邻
- 计算平均距离 dˉ
全局统计：
判定

本质

👉 基于"局部密度一致性"的统计假设

示例

cpp 复制代码

  // 创建过滤对象 
  pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
  sor.setInputCloud(cloud);
  sor.setMeanK(50);
  sor.setStddevMulThresh(1.0);
  sor.filter(*cloud_filtered);

RadiusOutlierRemoval（ROR）

原理

半径 rrr
至少 NNN 个邻居

cpp 复制代码

// 构建过滤器 
pcl::RadiusOutlierRemoval<pcl::PointXYZ> outrem;
outrem.setInputCloud(cloud);
outrem.setRadiusSearch(0.8);
outrem.setMinNeighborsInRadius(2);
// apply filter 
outrem.filter(*cloud_filtered);

对比 SOR

	SOR	ROR
参数	k, σ	r, N
稳定性	高	对参数敏感
工程	常用	辅助

Q：SOR 和 ROR 本质差别？

统计一致性 vs 几何密度阈值

SOR 是"统计一致性滤波"，

ROR 是"几何密度阈值滤波"。

SOR 通过统计局部邻域距离的一致性来判断异常点，具有自适应和鲁棒性；
ROR 则通过固定半径内点数进行硬阈值判断，更依赖参数和点云密度。

维度	SOR	ROR
判据类型	统计量	几何计数
随机性假设	有（高斯）	无
全局自适应	✔	❌
参数物理意义	弱	强
鲁棒性	高	低

🌰 举一个点云例子

场景：

前景物体：密集
背景：稀疏
噪声：零星飞点

ROR 的行为

固定半径 r
固定最小点数 N

👉 问题：

在稀疏区域，正常点可能被误删
在密集区域，异常点可能存活

SOR 的行为

自动学习整体"平均密度"
比较"谁明显偏离群体"

👉 结果：

对非均匀密度更稳

六、几何一致性类（结构滤波）

ConditionalRemoval

原理

自定义条件：

cpp 复制代码

bool condition(const PointT& p) {
    return (p.z > 0 && p.intensity > 30);
}

ProjectInliers（投影）

将点 投影到模型
本质是 几何约束

例如投影到平面：

七、基于平滑的滤波（进阶）

MLS（Moving Least Squares）⭐⭐⭐⭐

原理

局部邻域
拟合低阶曲面
投影点到曲面

特点

	MLS
效果	平滑 + 去噪
代价	高
用途	表面重建

滤波算子对比速览

滤波器	目的	是否破坏结构
VoxelGrid	下采样	✔
PassThrough	ROI	❌
SOR	去噪	❌
ROR	去噪	❌
MLS	平滑	✔
ProjectInliers	结构对齐	✔

cpp 复制代码

原始点云
  ↓
PassThrough（裁剪）
  ↓
VoxelGrid（下采样）
  ↓
SOR / ROR（去噪）
  ↓
RANSAC（模型）

八、PCL 滤波 vs Open3D vs Halcon 对照对比

PCL = 经典几何与统计的工具箱
Open3D = 现代工程与学习友好的平台
HALCON = 工业视觉里"可控、稳定、可交付"的黑箱

库	核心哲学
PCL	算法研究 + 几何严谨
Open3D	易用 + 现代 + 学术工程
HALCON	工业可靠性 + 确定性

下采样 / 空间滤波

功能	PCL	Open3D	HALCON
体素下采样	`VoxelGrid`	`voxel_down_sample`	`reduce_object_model_3d`
近似体素	`ApproxVoxelGrid`	❌	❌
随机采样	`RandomSample`	`random_down_sample`	`sample_object_model_3d`

本质对比

PCL：结构最全
Open3D：API 极简
HALCON：参数少但稳定

离群点 / 去噪

功能	PCL	Open3D	HALCON
统计滤波	`StatisticalOutlierRemoval`	`remove_statistical_outlier`	`select_object_model_3d`
半径滤波	`RadiusOutlierRemoval`	`remove_radius_outlier`	`select_object_model_3d`
条件滤波	`ConditionalRemoval`	❌	规则内建

平滑 / 几何一致性

功能	PCL	Open3D	HALCON
MLS 平滑	✔	❌	✔（内部）
法向平滑	✔	✔	✔
投影滤波	`ProjectInliers`	❌	`project_object_model_3d`

算法透明度 vs 工程确定性

维度	PCL	Open3D	HALCON
数学可追溯	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐
参数可解释	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐
工业稳定性	⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐⭐
黑箱程度	低	中	高