一种基于栅格投影的快速地面点云分割算法

一种基于栅格投影的快速地面点云分割算法1.引言地面点云分割是点云处理中较为基础的问题，对于许多地上的点云应用都需要对于地面进行分割。由于地面点云包含着众多的信息，因此能够对于众多应用产生较为重要的作用，如地形分析、车辆行驶、可行性分析等。目前，一个一般的点云分割方法大多基于分类或聚类算法，然而由于点云数据特性的复杂性，这些算法在实际应用中仍存在着问题，例如在海量点云数据中运算效率低下、对于地面点云分类错误等问题。为了解决这些问题，本文提出了一种基于栅格投影的快速地面点云分割算法，将分割过程中的计算时间大大降低。2.相关工作常见的地面点云分割方法主要基于平面拟合及地形形态的约束条件。例如，在Lauder等人的研究中，使用自适应采样的方法对于地面进行拟合；同时，使用形态学运算对于噪声去除操作；最终，如用可转换标准差对所有点的深度进行过滤操作。针对于上述问题，许多学者推出了一些计算量较小的算法来提高处理效率。在Sa和Agouris的研究中，将点云数据镶嵌到网格上进行处理，然后采用基于区域的特征提取算法，对于地面进行分割。但是，在处理大规模点云数据时，计算效率受到严重限制。根据相关工作，我们发现基于栅格的投影方法可以大大提高地面点云分割的效率。因此，本文提出了一种基于栅格投影的快速地面点云分割算法，将处理效率进行了大幅提升。3.算法设计我们提出的算法基于栅格投影的思想。将点云数据映射到二维的栅格平面上，并通过栅格平面对于点云数据进行分割。因此，在算法的设计中，我们将算法分为两个部分，分别是点云投影和栅格分割。3.1点云投影点云投影主要是将三维点云数据映射到二维栅格平面上。这里我们使用均匀采样栅格的方式来进行投影，对于每一个栅格中的点云数据，我们根据点的高度对其进行标记。对于每一个栅格中的点云数据（i，j），可以计算如下的公式：H(i,j)=max(z)-min(z)其中，max(z)是点云数据中栅格坐标(i，j)高度的最大值，min(z)是点云数据中栅格坐标(i，j)高度的最小值。通过上述公式，可以计算出它们的高度，其中高度为H（i，j）。对于每个栅格，只保留高度低于一个给定阈值的点，其他点则标识为地面点云数据。3.2栅格分割通过点云投影后，我们得到了一组栅格数据，然后我们可以对于这些栅格数据进行聚合分析。在聚合分析过程中，我们统计了每个栅格中被标记为点云数据的点数，将其采用如下的公式进行聚合：G(i,j)=sig(H(i,j))其中，sig（x）是总的点云数据集中，H（i，j）小于等于x的点的数量。在经过栅格聚合分析后，我们可以得到一个带有点的分割结果，将分割结果中的点云数据与栅格数据进行合并，将不需要的数据过滤掉，即可得到地面点云数据。4.实验结果我们在一个实际的点云数据集上进行实验，通过在平面的采样率的不断增加，得到了如下的结果。如图所示，我们的算法能够在保持很高的地面分割精度的同时，对于计算时间进行优化。同时，我们的算法对于噪声点以及障碍物点的干扰也表现出了较好的去除效果。5.结论本文提出了一种基于栅格投影的快速地面点云分割算法。该算法通过对点云数据进行栅格投影，并通过对栅格数