# 1D激光雷达测距剔除异常值是否必须使用卡尔曼滤波

> 原文链接：https://robotics.hellobike.com/pitfalls/2020-12-28-robotics-se-21214
> 频道：pitfalls | 更新日期：2020-12-28 | 标签：auto, stackexchange, kalman-filter
> 核心摘要：针对1D激光雷达测距异常值剔除，建议放弃卡尔曼滤波，改用中值滤波以简化实现并避免参数调优。

# 1D激光雷达测距剔除异常值是否必须使用卡尔曼滤波

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[Is Kalman filter really desired here?](https://robotics.stackexchange.com/questions/21214/is-kalman-filter-really-desired-here)（Robotics Stack Exchange #21214）

**状态**：已解决

## 问题

在使用1D激光雷达获取机器人至物体距离时，需剔除超出限值的异常值。虽然卡尔曼滤波结合马氏距离可处理异常值并平滑数据，但简单的阈值截断（如 `if(val > threshold): continue`）也能实现异常值拒绝。开发者质疑在缺乏精确过程模型和高斯噪声假设的情况下，是否有必要引入复杂的卡尔曼滤波。

## 环境

1D激光雷达传感器；信号处理与状态估计算法层。

## 解决办法

1. 评估系统是否具备线性过程模型及高斯噪声统计特性，若不满足则不建议强行使用卡尔曼滤波，以免陷入繁琐的参数辨识与方差调优。
2. 采用中值滤波（Median Filtering）替代卡尔曼滤波进行异常值处理。该技术为非线性方法，能有效去除离群点且不会引入显著响应延迟，比依赖启发式参数的卡尔曼滤波更稳健易用。
3. 仅在已掌握精确物理模型和噪声统计先验，并愿意投入精力进行系统辨识与验证时，才考虑使用卡尔曼滤波及其变体。

原问题作者：Pe Dro；采纳答案作者：Ugo Pattacini。原内容依 CC BY-SA 4.0 授权，本页摘要同样依 CC BY-SA 4.0 授权。
:::

## 原始参考来源 (Sources)

- [Robotics Stack Exchange #21214：Is Kalman filter really desired here?](https://robotics.stackexchange.com/questions/21214/is-kalman-filter-really-desired-here)