上一篇 Ouster Python SDK 数据过滤 Filter 使用方法介绍的博文发布后，过去了一周还没有后续，有些铁子们可能就想了：是不是数据过滤 Filter 使用方法介绍的内容烂尾了，还是说只要遇到 Ouster 激光雷达点云数据的过滤，我用上一篇介绍的方法，横竖过滤就完了？

岂止于此！

这里就将 Ouster Python SDK 过滤点云数据的其他方法一并奉上。

（3）通过点云的反射率信息进行数据过滤

反射率并不是 Ouster 激光雷达的属性，而是被测目标物的表面的属性，如材质、颜色、纹理、表面光滑程度等。激光雷达接收到从目标物反射回来的激光回波后，会通过 REFLECTIVITY 来表征除了距离之外的这一目标物属性。

反射率值，是一个无量纲的数据，也就是没有单位。
对于 Ouster 激光雷达输出的点云数据的反射率而言，取值范围是从 0 到 255。
反射率范围在 0 ~ 100 的目标物，表面主要呈现为漫反射（Diffuse）；
反射率范围在 100 ~ 255 的目标物，表面主要呈现为逆反射或回归反射（Retro-reflective）。

我们生活中常见的物体，诸如室外的路面（包括沥青路面、水泥路面、土路面、砖路面、沙石路面等）、建筑物、树木、桥梁、围栏、电线杆......以及室内的地面、墙壁、屋顶、桌椅和其他各种家具等，大多表面都是以漫反射为主，反射率通常会低于100。
而道路指示牌、警示牌、机动车车牌、交通路锥、路口隔离栏上贴有的反光条、安全背心等，表面则以逆反射或回归反射为主，反射率值通常会远远高于 100。

总之就是，逆光也清晰，照亮你的美！

以下用几幅图片具体化一下。

   

了解了不同目标物的反射率特点后，我们来看一下如何通过反射率对点云数据进行过滤。

下方的指令，可以将场景中，反射率低于 100 的物体上的点都过滤掉。

ouster-cli source chris-chen_test-data.pcap filter REFLECTIVITY :100 viz

得到的点云显示效果如下：

发现没？这种过滤操作后，就剩从贴有 3M 膜的测试板和远处高反路牌上的零星几个点了。

将激光雷达输出的绝大部分点云都滤除掉，肯定不是我们使用激光雷达产品的本意吧？

那么我们来看一下将反射率 100 以下的点都保留，而将反射率高于 100 的点都过滤掉，是怎样一种情形呢。

过滤指令如下：

ouster-cli source chris-chen_test-data.pcap filter REFLECTIVITY 100: viz

过滤后得到的点云则是这样的：

不知道大家有没有看出差别？
我从过滤后点云中，可以看到板子上贴的 3M 反射膜上的点云没有了。

如果我们在使用中，想将反射率高于 100 的点都过滤掉，同时也想将反射率低于 1 的点（也就是反射率都是 0 的点）也过滤掉，该如何操作呢？

可以使用下方的指令：

ouster-cli source chris-chen_test-data.pcap filter REFLECTIVITY :1 filter REFLECTIVITY 100: viz

过滤后的点云显示效果如下：

这个过滤方法的真正意义在于将反射率低于 1，也就是反射率为 0 的点，都过滤掉。因为在有些场景中，一些特定目标物的周边，可能会因高反膨胀或多路径出现一些噪点，这些噪点会对设备运行造成严重干扰，而这些噪点有个特点，就是反射率基本上都是0，那么设置反射率过滤条件 :1，可以将这些噪点都滤除掉。

如果设置的过滤条件不是低于1，而是低于2，3，甚至是 5 或更大的反射率值，那么这里必须着重进行强调：请务必充分评估应用场景中低反射率目标物的点云滤除，是否会带来风险！
因为如果激光雷达应用场景中，存在一些很黑的物体，或者表面潮湿带水的物体，那么反射率可能也会很低，甚至是 1 或低于 1。如果将这些物体上的点都过滤掉会带来风险，则不建议在这种情况下，设置滤除低反射率点云的条件。

（四）通过点云的强度信息进行数据过滤

Ouster 激光雷达手册上对点云的强度（Signal Strength）的表述是：Ouster 数字式激光雷达的强度，是通过检测到的光子数来表示的。

大家也可以忽略我的描述，直接查看下图中复制的英文内容。

Ouster 激光雷达提供的点云的 Signal Strength 强度信息，是用 16 bit 的数据长度来表述，取值范围是从 0 到 65535。数值越大，表示强度值越强。

我们先从第一个示例中，看一下将强度值高于 3000 的点都过滤掉，会得到怎样的一个效果。

过滤的指令如下：

ouster-cli source chris-chen_test-data.pcap filter SIGNAL 3000: viz

差别看上去不是很明显。我直观的感受是，板子上贴的 3M 反射膜上的点云没有了。

接下来我换一个过滤条件，将强度值 500 以下的点都过滤掉。

过滤指令如下：

ouster-cli source chris-chen_test-data.pcap filter SIGNAL :500 viz

过滤后的点云对比效果如下图所示。

从原始点云和过滤后的点云显示效果对比来看，远距离处的建筑物和树木上的点云都被过滤掉了，只剩一些远处的高反牌上的点云。
据此，我们也大致可以得出一个结论：就是距离越远，目标物上反射回来的点云的强度也越弱。关于点云的强度，我们有这个概念，大致就可以了。（除此之外，其实点云的强度信息，也和入射角是有关系的。激光直接正对着照射，得到的点云强度，肯定比斜着照射得到的点云强度值要大。）

基于 Ouster 激光雷达点云数据反射率（REFLECTIVITY）和强度（SIGNAL）属性，进行点云数据过滤的方法，也有视频内容进行介绍：

Ouster Python SDK 数据过滤 Filter 使用方法介绍 （三）_哔哩哔哩_bilibili

（五）通过点云的距离信息进行数据过滤

Range 是指基于 ToF （time of flight）原理，计算得出的每个激光脉冲从 lidar 原点到目标物的距离。因此，所有点的 RANGE 值，都肯定是正的。讲的再严谨一点，应该说是非负的，因为会有 RANGE 为 0 的点。
RANGE 值为 0 的点，通常是那些因为激光照射向空中无法返回，或远远的打向水面被吸收或被镜反，而导致没有回波的点。

因为 OS 系列激光雷达是旋转扫描的，因此，激光雷达在水平放置时，如果地面开阔且无遮挡，那么激光雷达下方的每个线束会从地面上返回圆环形的点云。
我们通过 RANGE 进行点云数据过滤时，也会有这种圆环截取点云的感受。

接下来，我们看一下如何通过距离 RANGE 对 Ouster 激光雷达的点云数据进行过滤。

通过距离进行点云数据过滤时，我们就需要在过滤指令中的距离值后，加入单位了。

第一个示例中，我们来看一下将 6 米以内的点都过滤掉，会是怎样的效果。
过滤指令如下：

ouster-cli source chris-chen_test-data.pcap filter RANGE :6m viz

过滤后的点云显示效果如下：

有没有发现，地面上没有点云的圆形区域是不是变大了？这是因为我们设置的过滤距离之内的点，都被滤除掉了。

接下来的示例中，我们看一下将 RANGE 是 30 米之外的点都过滤掉之后的显示效果。

点云过滤的指令是：

ouster-cli source chris-chen_test-data.pcap filter RANGE 30m: viz

过滤后的点云显示效果如下所示：

从过滤后的点云，我们可以看出远处建筑物和树木上的点云都被滤除掉了。
但它与基于强度值过滤的第二个示例的显示效果差异在于，它将 RANGE 30 米之外的点，都滤除掉了，即使 30 米之外有强度值(SIGNAL)很大的来自高反路牌的点。

然后我们设置一个距离区间，将 6 米以内，30 米以外的点都过滤掉。

过滤的指令是：

ouster-cli source chris-chen_test-data.pcap filter RANGE :6m filter 30m: viz

过滤后的点云显示效果如下：

这种点云过滤方式，其实是有很高的实用性的。它可以将检测区域之外物体上反射回来的点云给滤除掉，只保留我们感兴趣的检测范围（ROI，Region of Interest）之内的点云，给后续的数据处理，带来便利。

（六）通过点云的空间 X，Y，Z坐标信息进行数据过滤

Ouster 激光雷达每个点的 RANGE 值，结合这个点对应的激光线束在雷达内参中的水平和竖直角度，就可以计算出这个点在空间的 XYZ 值。
无论是 Ouster C++/Python SDK，还是 Ouster-ROS/ROS2 驱动，每个点的 RANGE 值最终会被换算到 sensor 坐标系下以 X，Y，Z 空间坐标的形式输出。

最后一部分内容，我将介绍一下通过点云的 XYZ 空间位置进行过滤的方法。
根据点云的 XYZ 空间位置进行过滤时，我们一定要了解上图中所示 Sensor 坐标系的方向。否则设置过滤条件时，会遇到困惑，或者会误将需要的数据给过滤掉。

接下来我们看一下设置过滤条件的方法。在哪个坐标轴的方向进行点云数据过滤，那么在 filter 关键字后，就需要输入坐标轴。
比如下方的示例，我首先在 X 轴方向进行过滤，将 -5m之外的点云都过滤掉。

过滤的指令如下。注意：过滤指令中的距离值后，也必须要加入单位。

ouster-cli source chris-chen_test-data.pcap filter X :-5m viz

我们看一下过滤后的点云显示效果。

激光雷达接头所在的方向，是 X 轴的负方向。设置 :-5m 的过滤条件后，我们可以看到，在 X 轴上 -5 米之外的点，都被 “一刀切” 的滤除掉了。

然后我将 Y 轴方向的过滤条件也加入进来，只保留 Y 轴 -30 米到 30 米区间内的点云，而将之外的点都过滤掉。

过滤点云数据的指令是：

ouster-cli source chris-chen_test-data.pcap filter X :-5m filter Y :-30m filter Y 30m: viz

过滤后的点云显示效果如下：

过滤后的点云，看上去是不是比基于 RANGE 值进行过滤的点云要 “方正” 一点？

最后，我将 Z 轴方向的过滤条件也加入进来。

下方的示例中，我在 filter Z 之后，输入1m：，将Z轴方向高于1m 的点都过滤掉。过滤指令如下：

ouster-cli source chris-chen_test-data.pcap filter X :-5m filter Y :-30m filter Y 30m: filter Z 1m: viz

我们可以得到如下所示的过滤后的点云。

从图中，我们可以看到高出 OS 激光雷达 Sensor 坐标系水平面 1m 以上的高处的建筑物、树木、电线杆等物体上的点云都被滤除掉了。

如果想保存过滤后的点云数据，记得在输入的过滤指令末尾（即 viz 之后），再加上空格 save your-filtered-data.pcap。

基于 Ouster 激光雷达点云数据的距离（RANGE）和 XYZ 空间位置，进行点云数据过滤的方法，也有视频内容进行介绍：

Ouster Python SDK 数据过滤 Filter 使用方法介绍 （四）_哔哩哔哩_bilibili