基于迭代种子点拟合的地面点云分类提取方法（GPF）

目录

一、相关原理介绍

二、算法详细流程

三、实现代码

四、运行结果

1、建筑场景数据

2、道路数据

---

参考文献：[1] Zermas D , Izzat I , Papanikolopoulos N .Fast segmentation of 3D point clouds: A paradigm on LiDAR data for autonomous vehicle applications[C]//2017 IEEE International Conference on Robotics and Automation (ICRA).IEEE, 2017.DOI:10.1109/ICRA.2017.7989591.

一、相关原理介绍

        自动驾驶需要对地面和车辆路径中的障碍物进行精确分割，并实时处理每个点云。属于地面点的点云占据了点云的绝大部分，因此地面点云的准确分类作为其中最关键的一环。该方法主要使用了一种确定性迭代多平面拟合，可以称之为地平面拟合（GPF），用于快速提取接地点，然后提出了一种名为扫描线运行（SLR）的点云聚类方法，该方法由二进制图像中连接分量标记算法的启发得到的。

二、算法详细流程

（1）对于每个点云，提取一组具有低高度值的种子点进行地平面拟合，初始种子点的代表引入了最低点，初始种子点的选择定义为点云中最低高程点的均值