目录 3.4 点云地面点过滤 3.4.1 常见地面点过滤算法 3.4.2 基于改进 RANSAC 的多分区地面点过滤 3.4.3 对比实验结果分析 3.5 点云聚类 3.5.1 常见点云聚类 3.5.2 基于密度的 DBSCAN 点云聚类 3.5.3 对比实验结果分析 基于深度学习的三维点云分类模型 4.1 引言 4.2 PointNet++三维识别网络 4.2.1 现有三维识别网络 4.2.2 PointNet 网络 4.2.3 PointNet++网络 4.2.4 实验数据集及数据增强 4.2.5 实验结果与分析 4.3 基于自适应采样尺寸的 ASS_PointNet++模型 4.3.1 实验结果与分析 道路目标检测实现 5.1 引言 5.2 点云目标检测流程 5.3 中心点计算 5.4 包围盒生成 本文篇幅较长,分为上下两篇,上篇详见 基于激光点云的道路目标检测 3.4 点云地面点过滤 未经处理的点云数据,一般都有很高比例的地面点数据。能有效地去除无效的地 平面点,便可以显著减少下一阶段需要处理的数据的量级。从实现的角度来看:一方 面,地面点模型几乎是扁平的,拟合较容易;但另外而言,现实场景内,