如何对organized point cloud滤波且不破坏其结构化属性

核心结论 #

可以通过调整滤波器实现逻辑和运行配置保留点云的结构化属性，你遇到的结构丢失问题是主流点云处理库（如PCL）的默认滤波逻辑导致的：默认模式会直接提取过滤后的有效点生成一维数组，自然丢失了原有球面投影得到的宽高矩阵结构。

具体调整方案 #

• 统一滤波逻辑：不要删除过滤掉的点的索引位置，而是将对应位置的点坐标值设置为NaN/无穷大值，全程保留球面投影输出的1024×64的矩阵结构。结构化点云的官方判定规则就是高度>1、无效点用NaN填充，符合这个规则的点云就会被识别为结构化格式，不会被转为高度=1的非结构化数组。
• 各步骤滤波适配：
  • 裁剪、自车区域提取：直接标记裁剪范围外、自车覆盖区域的网格位置为NaN即可，不需要提取有效点重构点云
  • 体素滤波：放弃默认的下采样输出一维点云的模式，基于结构化网格做邻域降采样，同一个体素对应的多个网格位置只保留一个符合要求的点，其余对应位置设为NaN，全程保持1024×64的总点数不变
  • 半径离群点去除：判断为离群点的对应网格位置直接填充NaN，不要删除该点的索引

效果验证 #

按照上述方案调整后，输出的滤波后点云会保持总点数65536、宽度1024、高度64，organized属性为1，仅dense属性变为0（存在无效点属于正常情况），所有支持结构化点云的分割、表面处理算法都可以正常识别调用，全程不需要重新做球面投影上采样。

内容的提问来源于stack exchange，提问作者Hesham Hendy