建图时，由于算法、激光雷达等缺陷，在实际上本应不可进入区域会变成可进入。这种区域多了，会增加后面导航难度。
对图1这张占据栅格图。标号1处放的是一张床，可建图时让出现了部分可进入，这会使得规划全局路径时选择从它这里过了。
去噪就是要让标号1这种区域，变得不可进入。图11是去噪后结果。去噪方法核心：从初始点开始（图1中的M），随着机器人移动会生成连通区，只要找到包围这个连通区轮廓，这个轮廓外的非占据像栅格就可能是噪声。
一、二值图：gray.png
NO_INFORMATION或<60的栅格值置为0，否则255。
二、二值图：gray-lt60.png
<60的栅格值置为0，否则255。相比于gray.png，NO_INFORMATION保留原值，也是255。
gray-lt60.png将在最后一步时使用，下一步骤是基于gray.png。
三、以radius=1（3x3核）第一次膨胀
连通靠得近的栅格，减少轮廓数。radius不能太大，否则像图1中的“标号2”，会被错误连通。
opencv中膨胀和腐蚀不是可逆的。举个例子，对mat-A，首先raidus=3膨胀后，然后radius=2腐蚀，得到mat-B，可能不等于mat-A以raiuds=1膨胀后的结果。为什么不一样，参考图1的标号2部分。
四、找到第一次膨胀后的所有轮廓，对于各轮廓占据栅格，值置为该轮廓index加1
- cv::findContours，找到所有轮廓。
- cv::drawContours，画上一个cv::Mat
- 使用一个和cv::Mat“相等”的width*height字节内存块，当对应栅格是轮廓点时，字节值设置为该轮廓的index加1，否则是0。假设变量aux_map_data指向这内存块。
五、在第一次膨胀基础上，以radius=2第二次膨胀
相当于给原图来了次radius=3的膨胀，这会让更多轮廓连通起来。
六、生成主轮廓
对那个有着最多点的轮廓，称为主轮廓。
七、根据主轮廓，找到它覆盖了radius=1哪些轮廓，由这些轮廓画出一个“主轮廓”
生成的这个“主轮廓”有两个特点。1）是radius=3主轮廓的子集。2）radius=1时是0、radius=3是255的栅格，值是0，不该连的不连。
这个“主轮廓”已不符合opencv轮廓定义，但为叙述方便，把双引号省了。
九、填充主轮廓
中间灰白部分是要填充的栅格。灰白只是为注释，这些栅格的最后值是255(白色)。
以原点为起点，针对该左、右、上、下，四个方向扩散。如果扩散出的点在轮廓内，以它继续扩散。如何判断是在轮廓内？——横向两端有轮廓的点，或纵向两端有轮廓的点。
十、找出噪声
结合denoise-filled-inter.png、gray-lt60.png，对gray-lt60.png不是255的栅格，如果在denoise-filled-inter.png是0，即不在主轮廓，那就标记为噪声。