KITTI 原始点云数据（PCL）地面点分割

最新推荐文章于 2024-06-03 09:45:53 发布
最新推荐文章于 2024-06-03 09:45:53 发布
阅读量4.1k 收藏 22
点赞数 1
分类专栏： ROS 算法 CNN 分割地面点云 文章标签： ROS
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zengzeyu/article/details/79729427
版权

欢迎访问我的个人博客网站：zengzeyu.com

 

前言

自动驾驶系统中，对激光雷达获取的点云数据进行地面点分割是第一步，地面点分割结果的好坏直接影响聚类，识别和追踪效果。在对地面点分割过程中，前人尝试了许多方法，部分方法结果请参考本人博文**《基于几何特征的地面点云分割》**。所以，地面点分割是自动驾驶激光雷达点云处理永恒的话题。目前，基于几何特征的地面点分割都基于各自的前提假设，大多数的原理是根据地面点与非地面点的特征不同而进行区分，如法向量、高度、高度差等。

![点运数据](https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy8xMDAyODA1OC1mMTRiZjY2MDU5ZDkwMDQ4LmdpZg)

本文利用现有的KITTI点云数据进行地面点分割，通过不同方法组合，试验出结果相对较好的方法，并予以结果显示。

 

地面点分割

相关工作

本文相关的一些工作，请参考本博客前博文：

最低0.47元/天 解锁文章
周吴郑王
关注
  • 1
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
【论文复现】——Patchwork++：基于点云的快速稳健地面分割方法
点云侠的博客
01-03 2305
使用PCL实现的：Patchwork++：基于点云的快速稳健地面分割方法。更多详细内容见2022年最新文章： Patchwork++: Fast and Robust Ground Segmentation Solving Partial Under-Segmentation Using 3D Point Cloud
PCL入门教程原始点云文件.zip
10-13
本人在《PCL入门教程》专栏撰写的文章所涉及的原始点云文件都在这里
pcl RANSAC平面分割 单帧激光点云地面提取
XinkaiZed的博客
05-12 1455
目录介绍代码其中的部分全局变量 介绍 ros下velodyne激光雷达的回调函数, 利用RANSAC平面分割, 从单帧激光点云中提取出地面点 该方法可用于incremental的地面提取, 优势是速度快; 但由于地面并不总是平面, 所以该方法不如batch方法, 但batch方法要对全部激光点云进行计算, 速度较慢. 代码 void vldHandle(const sensor_msgs::PointCloud2ConstPtr &laserCloudMsg) { double timeCu
Patchwork++：基于点云的快速、稳健的地面分割方法
最新发布
人无远虑，必有近忧
06-03 748
传统数学方法，采用求反射梯度与地面对比的思路，对于高度有差别的平面难以识别（如低矮路沿），分割出的地面不是很合适。论文提出一种鲁棒性很强的分割方法，基于 Patchwork 的思路进行改进，自适应地调整参数，效果提升明显，运行速度极快。对地面分割做数学建模：对于所有的点云表示为，对点集进行二分类，分为G地面和N非地面，其中包括车辆，行人，植被，墙体等。
【PCL】激光雷达点云地面水平校准
ethan_guo的博客
06-13 6935
激光雷达采集的数据，可能由于颠簸或者雷达安装倾斜或者地面本身是有坡度的，造成地面在雷达坐标系中不是水平的。不是水平的，会影响我们后续的对点云的分割分类等处理，所以校准很有必要。校准方法是（参考）：用PCL中基于RANSAC的平面检测方法检测出平面，得到平面：ax+by+cz+d=0。对于一个平面，上式中xyz的系数，就是它的法向量。然后，雷达坐标系中的竖直向量是（0,0,1），计算出从平面法向量旋...
patchwork++复现————————地面点云分割复现
weixin_51374771的博客
04-14 553
我使用的虚拟机复现的ubuntu 20.04，当然18.04也是可以的。首先运行下边的命令但是bash scripts/install_open3d.bash是自动下载指令往往会运行失败这个是时候就需要手动下载。
超详细的激光点云地面分割（可行驶区域提取）方案
zhaoliang38的博客
11-08 1万+
超详细的激光点云地面分割（可行驶区域提取）方案
pcl基本点云分割算法.xlsx
05-20
整理了简单的实现和作用
海量点云数据的重复点删除
08-06
基于PCL写的一个删除点云数据中的重复点的程序，也可以稍作修改删除数组中的重复点。目前测试一个四千万个点的点云数据，其中包含有一千万个重复点，运行时间为50s。 文件中是源码，其中包含CMakeLists.txt，可通过...
pcl的多点云加载与显示
11-13
基于VS的多点云显示，文档内包含代码与结果展示，可供参考。
PCL 条件欧式聚类测试点云数据
10-10
PCL 条件欧式聚类测试官网点云数据，PCL 条件欧式聚类测试点云数据免费下载。
地面分割--Patchwork
xinxiangwangzhi_的博客
05-28 1698
设所有点云为Pp1p2pkpNPp1​p2​pk​pN​设地面点为GGG,非地面点为GcG^cGcPG∪GcPG∪Gc设G\hat{G}G为算法估计的地面点，Gc\hat{G^c}Gc为估计的非地面点。
PCL点云（地面点云）分割：Progressive Morphological Filter
热门推荐
AmbitiousRuralDog的博客
05-10 2万+
背景：pcl官方教程：http://www.pointclouds.org/documentation/tutorials/progressive_morphological_filtering.php#progressive-morphological-filtering论文：http://users.cis.fiu.edu/~chens/PDF/TGRS.pdf注：这个算法本身用于处理高空获取...
点云分割--基于PatchWork++的地面点云分割
qq_48694523的博客
12-23 1225
算法通过数学方法进行快速而鲁棒性很强的地面分割，在智能机器人上的可操作性非常强。通过微调算法，可以应用于16-beams等多种规格的激光雷达。使用稀疏扫描点云和slam建图后稠密点云进行了测试，对论文中部分参数进行了调整，均取得了较好的效果。
PCL点云（平面点云）分割：Plane Model Segmentation
AmbitiousRuralDog的博客
05-11 1万+
背景：pcl官方教程：http://www.pointclouds.org/documentation/tutorials/planar_segmentation.php#planar-segmentation注：这个算法并不是真正意义上的分割算法，因为它只能分割出平面的点云。这种情况和PCL地面点云分割算法：Progressive Morphological Filter很像，后者只能分割出地面...
PCL分割学习
qq_41345281的博客
11-23 1787
1.点云切割概述 点云分割是根据空间，几何和纹理等特征对点云进行划分，使得同一划分内的点云拥有相似的特征，点云的有效分割往往是许多应用的前提，例如逆向工作，CAD领域对零件的不同扫描表面进行分割，然后才能更好的进行空洞修复曲面重建，特征描述和提取，进而进行基于3D内容的检索，组合重用等。 2.PCL中常用的点云分割方法 Plane model segmentation (平面模型分割）:这个算法能...
三维点云学习（4）6-ransac 地面分割
weixin_41281151的博客
07-26 4064
三维点云学习（4）6-ransac 地面分割 ransac课堂笔记 git大神参考代码 ransac代码主要参考如下知乎大佬的ransac的线性拟合 ransac的线性拟合 使用ransac进行地面分割的原因： ransac模型的拟合的取决于物体的密度分布，在三维场景较为适合 ransac地面分割效果图 原点云图： 分割出的地面： eg:因为ransac是个人复现，所以效果不是很理想，ransac具有随机性，所以每次运行的结果不尽相同 红色为分割地面后的点云，蓝色为分割出的地面 ransa
PCL 点云索引方法K维树（KD-tree）和八叉树（octree）介绍
周吴郑王
03-31 2万+
欢迎访问我的个人博客：zengzeyu.com   前言 通过雷达、激光扫描、立体摄像机等三维测量设备获取的点云数据，具有数据量大、分布不均匀等特点。作为三维领域中一个重要的数据来源，点云数据主要是表征目标表面的海量点集合，并不具备传统网格数据的集合拓扑信息。所以点云数据处理中最为核心的问题就是建立离散点间的拓扑关系，实现基于邻域关系的快速查找。 建立空间索引在点云数据处理中已被广...
KITTI 原始bin数据转pcd数据
周吴郑王
03-15 9561
欢迎访问我的个人Blog： zengzeyu.com   前言 官网数据集说明：http://www.cvlibs.net/datasets/kitti/raw_data.php 数据集详细说明论文：http://www.cvlibs.net/publications/Geiger2013IJRR.pdf KITTI的激光雷达型号为 Velodyne HDL-64E ，具体信息如下：...
pcl按高度分离点云
12-13
PCL（点云库，Point Cloud Library）是一个在点云处理和三维几何图形处理方面非常流行的开源软件库。在PCL中，要按高度对点云进行分离，可以通过以下方法实现。 首先，我们需要将点云转换为有序点云（Ordered Point Cloud），即将点云的点按照规则的顺序进行排列。常见的有序点云类型包括网格（Grid）和无序点云（Unstructured Point Cloud）。对于无序点云，我们可以使用PCL中的VoxelGrid滤波器对其进行体素化处理，将点云以体素（Voxel）为单位进行划分。这样做可以降低点云的复杂度，并减小数据量。通过体素化后，我们可以快速地区分不同高度范围内的点云。 其次，我们可以使用PCL中的PassThrough滤波器对体素化后的点云进行高度范围的选择。通过设置设定的高度参数，只保留落在设定高度范围内的点云数据，剔除其他高度范围外的点云。这样就可以很方便地将点云按照高度进行分离。 最后，我们可以将分离后的点云数据可视化或者进行其他处理。PCL提供了丰富的点云处理工具和可视化工具，可以方便地对点云数据进行各种操作和展示。 需要注意的是，按高度分离点云可能会导致一些信息的丢失，因此在实际应用中需要根据具体情况进行合理的处理。同时，还可以根据具体需求，结合其他PCL提供的点云处理方法，进一步提取点云中的特征信息，以满足更复杂的应用需求。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值