文献Review：基于栅格的地面点云分割（1）

Article 1 : Retrieval Algorithms for Road Surface Modelling Using Laser-Based Mobile Mapping

Cite : Anttoni Jaakkola,Juha Hyyppä,Hannu Hyyppä,Antero Kukko. Retrieval Algorithms for Road Surface Modelling Using Laser-Based Mobile Mapping[J]. Sensors,2008,8(9).

传感器及数据：Faro LS 880 测绘级激光雷达 密集点云

1.格网化：得到强度格网与高度格网，即每个格网的属性有高度、强度。

2.设定分级阈值，利用格网强度信息对格网进行分类。

3.路缘石提取：格网间高度的梯度属于阈值区间——区分开平坦路面、障碍物；设定格网数阈值，避免小段障碍物、噪声点。

4.路面分割：筛除路缘石外点，假设路面点建立Delaunay三角网，以三角形斜率筛选（即最大高差除以最长边），去除不满足的点迭代建立Delaunay三角网。

Article 2 : 矿山道路边界线实时检测与跟踪

Cite : 鲁小伟. 矿山道路边界线实时检测与跟踪[D].中国科学院大学(中国科学院人工智能学院),2020.

传感器及数据：Velodyne HDL-32E 32线激光雷达

1.栅格地图法地面提取：二维格网划分，格网属性：高度差、高度最低值、高度最高值。

规则：

一次提取：格网内高差小于阈值；相邻格网高度最低值之差小于阈值；相邻格网高度最高值之差小于阈值。

二次提取：1次提取结果建立5*5格网滑动窗口，头格网与其他格网高差小于阈值。

2.道路边线提取

光束区域划分——小扇形，每个小扇形计算最近的高度突变点作为边线待选点

边线待选点聚类——每条边线为一类，类内依据距离筛去非边线点

边线拟合

3.道路边线跟踪

卡尔曼滤波，根据时间k预测时间k+1处的道路边线