Patchwork++：基于点云的快速鲁棒地面分割方法

在超详细的激光点云地面分割（可行驶区域提取）方案_激光点云数据的平面分割-CSDN博客文章里我们介绍了基于点云的地面分割基本思路，并给出了4种优秀的开源方案，其中就包括Patchwork&Patchwork++。在那篇文章里我们对其原理做了简单介绍，包括CZM、GLE、TGR等，本文作为补充，对文章中的一些细节做更多介绍。

1. 摘要

一些地面分割方法需要根据周围环境对参数进行微调，过于费力费时。此外，即使参数调整得很好，仍然会出现部分分割不足的问题，这意味着在某些区域地面分割失败。最后，当地面位于其他结构（如挡土墙）之上时，地面分割方法通常无法估算出合适的地平面。为了解决这些问题，提出了一种稳健的地面分割方法，称为 Patchwork++，是 Patchwork 的扩展。Patchwork++ 利用自适应地面似然估计（A-GLE），根据之前的地面分割结果自适应地计算适当的参数。此外，临时地面还原（TGR）利用临时地面特性缓解了部分分割不足的问题。此外，还引入了区域垂直平面拟合（R-VPF）技术，即使地面层高不同，也能正确分割地平面。最后，基于三维激光雷达反射模型提出了反射噪声消除（RNR）技术，以有效消除虚拟噪声点。

代码地址：https://github.com/url-kaist/patchwork-plusplus

2. RNR反射噪声去除（Reflected Noise Removal）

从上图中看到由于反射或者折射等因素等影响，激光雷达点云数据中往往会存在一些地面以下的噪声，实际应用中如果不处理的话，这些噪声点一旦被选取为拟合平面的种子点，就会对产生很多欠分割地面。图中可以发现，这些噪声基本是在角度向下（bottom）的线束中，而且入射角越小，往往得到的噪声数据越低。另外，这些点经过多次反射或者折射后，往往强度相对低。因此，

处理思路：

针对角度向下的Nnoise条激光线束，设定高度阈值hnoise和强度阈值Inoise。当低于这两个阈值时，则认为是噪声点。其中高度阈值hnoise在A-GLE环节中自动更新。那为什么自动更新呢？因为如果地面陡峭的话，固定高度阈值往往会将真正的地面点当作噪声去除了，参照下图。

3. CZM分区（Concentric Zone Model）

为什么要分区？一方面是因为分区后计算快，另一方面相当于用更小分辨率的扇区来分割地面，相比对整个地面进行分割精度更高。以往在极坐标下对径向和bin进行均匀划分，泛用型不强，有一下两个缺陷：

一是稀疏问题：随着距离增长，点云变得稀疏，难以找到正确的平面。

二是代表性问题：当靠近传感器的bin太小时，难以表示扇区的空间特征，可能会导致地面法向量估计失败。

因此可以为不同的bin分配不同的密度，论文中对靠近传感器和远离传感器的Z1和Z4区分配的更大一些。

4. R-VPF区域垂直平面拟合（Region-wise Vertical Plane Fitting）

为什么要做R-VPF？因为有些场景，比如地面位于垂直城市建筑之上时，这时挑选种子点进行平面拟合，拟合的平面误差就会很大，如上图左图所示。

因此在做GPF前，可以先对bin内的点进行垂直平面拟合，将垂直点子集过滤掉。具体方法也是先挑选种子点，然后进行平面拟合，平面附近一定阈值内的点作为潜在的垂直点。然后对比平面法向量与[0,0,1]的夹角是否在一定阈值内，在范围内则认为是垂直点。

做完R-VPF后，紧接着会进行R-GPF步骤，原理相似，这里不赘述了。

5. A-GLE自适应地面似然估计（Adaptive Ground Likelihood Estimation）

A-GLE的本质是一个二元分类，当概率大于0.5时认为是地面点，当概率小于0.5时认为是非地面点，但代码实现可能略有不同。总体思路是根bin内点集的垂直度Uprightness、高度Elevation、平整度Flatness三方面考虑。

垂直度Uprightness：

与上面的R-VPF流程类似，也是求每个区域内的法向量，与z=[0,0,1]进行比较。

其中θ为设置的角度阈值，当方向量与X-Y平面夹角接近90°时，意味着bin内拟合的平面越凭证。论文中θ经验值设为45°。

高度Elevation：

一些建筑物或者车辆顶部有时垂直度与地面类似，为了避免被误认为是地面，引入了Elevation。

其中zn代表bin内点的平均高度，rn代表点距离传感器的距离。k(.)是一个使rn呈指数增长的自适应中点函数。如果rn > Lt，点距离比较远，认为该平面仅由平整度和垂直度考虑。反之，则需要考虑高度因素。当zn < k(rn)时，输出值大于0.5，则认为是地面点的可能性较高。反之亦然。

在patchwork++中，对k(rn),也就是et,m进行自适应调整，以避免不同环境调整的麻烦。

其中，m代表m-th ring。Em代表过去估计的地面中满足垂直度和高度条件的bin内的平均高度集合，am > 0是固定值。其实也就是根据上一次估计的地面来更新本次迭代的阈值。

平整度Flatness：

平整度的目的是为了恢复被高度Elevation误认为是非地面点的地面点。

在patchwork++中，对平整度的计算方法进行了调整，σn或者fn直接用λ3,n表示。

同高度阈值类似，平整度阈值（σt,m，也是ft,m）也需要自动调整：

6. TGR（临时地面还原）Temporal Ground Revert

对 A-GLE 处理后的欠分割地面进行纠正，将一些被误检的非地面点恢复为地面点。例如，一个bin内可能存在部分异常点使得地面拟合失效（例如崎岖的草地），计算值很可能超过阈值而导致错误估计。这是因为 A-GLE 是根据过去的数据更新阈值，在当前时间更新的值会在下次被利用，但当前时间下的估计就会发生偏差；解决方法是计算当前时刻的阈值，与fn比较，若fn小于当前时刻计算的平整度阈值，则恢复为地面。计算方式同上面类似，只不过采用的是当前时刻的点。