qq625924821的博客

将点云分为地面和非地面测量是从机载 LiDAR（光探测和测距）数据生成数字地形模型 （DTM） 的重要步骤。但是，大多数过滤算法需要仔细设置许多复杂的参数才能实现高精度。在本文中，提出了一种新的过滤方法，它只需要几个易于设置的整数和布尔参数。在所提出的方法中，将 LiDAR 点云倒置，然后使用刚性布料覆盖倒置的表面。通过分析布料节点和相应的 LiDAR 点之间的交互，可以确定布料节点的位置，从而生成地表的近似值。最后，通过比较原始 LiDAR 点和生成的表面，可以从 LiDAR 点云中提取地面点。使用 IS

3D 点云上的地面分割是许多应用的基础，例如 SLAM 和对象分割。由于它通常是这些应用程序的预处理模块，因此高效率和准确性是保证整个系统性能的基本要求。为此，作者避免了 3D 点云上的地面拟合和区域划分。提出了一种基于像素图像的方法，该方法将 3D 点云投影到两个圆柱形图像上，即水平范围图像和 z 图像，然后根据它们进行分割。为了实现快速准确的地面分割，首先引入了基于图像特征的创新设计。具体来说，考虑了 LiDAR 模型改进了坡度特征，并建议将特征与不同大小的感受野相结合，以更好地识别地面。然后，根据这

在利用 3D LiDAR 传感器的 3D 感知领域，地面分割是行驶区域检测和目标识别等各种用途的必不可少的任务。在这种情况下，人们提出了几种地面分割方法。但是，仍会遇到一些限制。首先，一些地面分割方法需要根据周围环境对参数进行微调，这非常费力和耗时。此外，即使参数调整得当，仍然会出现部分欠分割问题，这意味着某些地区的地面分割失败。最后，当地面位于其他结构（例如挡土墙）上方时，地面分割方法通常无法估计合适的地平面。为了解决这些问题，该文章提出了一种地面分割算法，在参数设置上，设计了更多基于数据的自适应参数，与

运行频率超过 40 Hz。正如在 SemanticKITTI 和粗糙地形数据集上的实验验证的那样，与最先进的方法相比，提出的方法产生了较好的性能，与现有的基于平面拟合的方法相比，显示出更快的速度。

在将 Savitsky-Golay 滤波器应用于角度图像的列后，从期望属于 ground 的行开始，并使用广度优先搜索将相似的成分一起标记，然后对角度图进行地面标记。不幸的是， LIDAR 传感器在距离测量中会产生大量异常值，LEONARD 等人（2008 年）的工作中有更详细的讨论，这会影响角度α的计算。该方法快速而简单，并且利用距离图解决了因点云稀疏引起的邻域大小难以确定的问题，并通过类似于坡度的特征，实现了低曲率地面的提取。，其中每个角度都代表连接两点 A 和 B 的线的倾斜角，如上图所示。