04-传感器与感知-点云处理入门

作者：姚博文 · 2026-09-15

点云处理入门（Point Cloud Processing：PCL / 降采样 / 地面分割 / ICP）

定位：把 3D 激光/深度相机吐出的原始点云加工成"地面 + 障碍物列表"——点云表示、降采样、去噪、法向量、ICP 配准、RANSAC 平面分割与 ROS2 集成 | 适用：智能小车/移动机器人开发

1\. 概述

1.1 这篇解决什么问题

3D 激光雷达（Livox/禾赛）和深度相机（RealSense/Kinect，见 `深度传感器.md`）输出的是**几十万点的无序集合**——点云（Point Cloud），没有像素网格、没有固定顺序。直接丢给规划器没用，必须经过一条处理流水线：

**降采样 → 去噪 → 地面分割 → 地面去除 → 障碍聚类 → 输出障碍物列表**

输出给下游的东西是"障碍物"（质心/包围盒/体素网格），Nav2 的 costmap 或自研避障逻辑直接消费。本文给这条流水线每个环节的**原理 + 参数含义 + 可运行代码**，并附 ROS2 集成（`point_cloud_to_laserscan` 点云转 2D 激光、pcl\_ros 节点）。

1.2 在自主导航链路中的位置

注意：点云处理 pipeline 与 SLAM 前端**并行**消费同一份原始点云——一个管"障碍在哪"，一个管"我在哪"，互不依赖。

2\. 基本原理

2.1 点云表示

**PCL 表示**（C++，`pcl::PointCloud<T>`）：每点一个固定结构体，常用类型：

| 类型 | 字段 | 说明 |

| --- | --- | --- |

| pcl::PointXYZ | x, y, z（float） | 最基础，3D 激光默认 |

| pcl::PointXYZI | + intensity（uint8） | 强度：回波强度，2D/3D 激光普遍带，可用于区分材质（金属亮/玻璃暗） |

| pcl::PointXYZT | + time（float，μs） | 帧内时间戳：机械旋转激光一圈内点序有时间差，做运动补偿要用 |

| pcl::PointNormal / PointXYZINormal | + 法向量 (normal_x,y,z) + curvature | 法向量估计后的类型（见 2.4） |

**ROS 消息表示** `sensor_msgs::PointCloud2`：点云在 ROS 里**不是**逐点结构体，而是一大块连续内存（binary blob），靠字段表描述布局——这样零拷贝、可跨语言读。关键字段：

💡 两个高频坑：① `is_dense=false` 的点云含 NaN/Inf 无效点，做距离计算前必须剔除，否则一个 NaN 污染整行；② 字段 offset 别想当然——深度