噪声过滤是指从传感器采集的原始信号中去除无关或干扰成分的技术过程，其本质是通过算法手段提取有效信息的同时抑制噪声干扰。在自动驾驶系统中，激光雷达点云、摄像头图像、毫米波雷达回波等传感器数据都不可避免地包含环境噪声（如天气干扰、多径反射）和传感器自身噪声（如热噪声、量化误差）。噪声过滤算法需要在不损害原始信号关键特征的前提下，实现信噪比的提升，这对后续的目标检测、路径规划等模块的准确性具有决定性影响。
实际工程中常采用多重滤波策略：对于激光雷达点云可能使用统计离群值移除算法消除飞点，摄像头图像采用自适应中值滤波处理椒盐噪声，毫米波雷达则通过多普勒滤波分离动态目标。值得注意的是，过度滤波可能导致特征丢失，因此现代系统往往采用基于深度学习的端到端降噪方法，如通过对抗生成网络（GAN）直接学习噪声与洁净数据的映射关系。随着传感器融合技术的发展，跨模态的联合降噪已成为新的研究方向，例如利用视觉信息辅助雷达信号去噪。