激光点云预处理

如下图，cartographer代码的框架。
激光雷达点云通过体素体滤波进行了预处理
因此打算研究一下这块的原理：
点云预处理子地图的尺寸根据待测环境进行调整。子地图尺寸过小，导致地图之间累积误差过大，会导致子地图数目过多，使得回环检测难度上升，甚至无法形成回环。
子地图尺寸过大会导致单帧子地图位姿估计难度上升，子地图准确率下降。
确定子地图之后，首先要对激光点云数据进行尺寸滤波，舍弃超出子地图范围的点云数据。
初次滤波后的点云数据，因其具有数据量大，存在随机误差，重复数据多，需要再次进行点云滤波。

体素体滤波可以使点云在保持形状特征的基础上大幅度减少点云数据，减轻后续计算负荷。
原理： 在点云数据中创造大小一致的虚拟三维体素栅格，以各个体素的重心近似表示体素中保存的所有点云数据，虽然以重心点表示比采用体素中心表示的计算量大，但对点云形状特征的保存更加准确。
具体操作：
定义最大边长和最小体素数，以最大体素边长开始进行体素滤波，比较滤波后体素数是否大于等于最小体素数，没有则边长减半进行滤波，直至滤波结果大于或者等于最小体素数。最大体素边长和最小体素数的选取，根据待测环境进行调整，体素数过少则点云丧失形状特征，后续难以检测回环，体素数过多则无法减轻后续计算压力，失去滤波的意义。
1、为什么进行点云滤波处理？
（1） 点云数据密度不规则需要平滑
（2）因为遮挡等问题需要进行离群点去除
（3）大量数据需要下采样
（4）噪声数据需要去除
2、点云滤波的方法
PCL通过调用各个滤波器对象来完成主要有以下几种滤波器对象：
直通滤波器
体素格滤波器
统计滤波器：去除明显离群点。
半径滤波器
3、什么是下采样？（减少数据）
一般下采样是通过构造一个三维体素栅格，然后在每个体素内用体素内的所有点的重心近似显示体素内的其他点，这样体素内所有点就用一个重心点来表示，进行下采样来达到滤波的效果，大大减少了数据量，特别是在配准、曲面重建等工作之前进行预处理，可以很好提高程序运行速度。