patchwork++源码学习(1)—Reflected Noise Removal （RNR ）

前言

工作中需要用到去地面算法，调研发现pathwork++去地面效果比较好，但是在实际使用中依然无法解决遇到的问题，这里进行源码不同模块的理解，提升自己算法思维和算法开发能力。

1 Reflected Noise Removal （RNR ）反射噪声去除

在激光雷达进行感知时，存在地面的异常噪点，RNR的原理论文中的表述如图1，认为在地面以下存在虚假的噪点，原理不进行赘述，直接分析实现函数。

图1 RNR原理图

2 RNR实现函数

template <typename PointT>
inline void PatchWorkpp<PointT>::reflected_noise_removal(pcl::PointCloud<PointT> &cloud_in,
                                                         pcl::PointCloud<PointT> &cloud_nonground)
{
    for (int i = 0; i < cloud_in.size(); i++)
    {
        double r = sqrt(cloud_in[i].x * cloud_in[i].x + cloud_in[i].y * cloud_in[i].y); // 极坐标系下的半径
        double z = cloud_in[i].z;
        double ver_angle_in_deg = atan2(z, r) * 180 / M_PI; // 极坐标系下的点云和地面之间的夹角

        if (ver_angle_in_deg < RNR_ver_angle_thr_ &&    // RNR_ver_angle_thr_ RNR垂直角度阈值，-20.0
            z < -sensor_height_ - 0.8 &&                // sensor_height_传感器相对地面安装高度，
            cloud_in[i].intensity < RNR_intensity_thr_) // RNR_intensity_thr_ RNR强度过滤阈值， 0.2
        {
            cloud_nonground.push_back(cloud_in[i]);
            noise_pc_.push_back(cloud_in[i]);
            noise_idxs_.push(i);
        }
    }

    if (verbose_)
        cout << "[ RNR ] Num of noises : " << noise_pc_.points.size() << endl;
}

3 理解与测试

个人理解

1. 传感器在车辆顶部安装，如果为2米，则-2.8米以下的点云才有可能被视为噪点，实际场景对应于好几层的高楼，在地面上的倒影
2. 强度过滤需要根据不同传感器的特性考虑，测试用的livox和ouster等的强度规律不同，
3. 角度阈值主要考虑远处的障碍物，比如要实现60米的感知，则地面以下60×tan（20°）= 21.8米的点才会过滤

实际使用感受

测试场景为井下的巷道，采用多种激光点云数据融合，存在较多的上下坡，且地面不平整

1. 这种方法近似假设了地面是相对平整的，对于非常低的噪点才有用，如果相对高度低于-2.8米，则完全无效。
2. 采用较小的映射阈值时，在下坡时，会把一定的地面点过滤掉，并不是过滤掉噪点
3. 这里的噪点并没有考虑对应的地面以上的映射，在一定范围内是否有实际的真实点

4 源码链接

码云链接

码云gitee](https://gitee.com/zhong----zheng/patchwork-plusplus)

git clone 下载

git clone git@gitee.com:zhong----zheng/patchwork-plusplus.git