ground plane filter
ransac ground filter
過高的區域，較近的區域，太遠的區域，感知過程不敢興起的區域都可以進行裁剪。
ray ground filter演算法的核心是以射線（ray）的形式來組織點雲。我們現在將點雲的 (x, y, z)三維空間降到（x,y）平面來看，計算每乙個點到車輛x正方向的平面夾角 θ \thetaθ, 我們對360度進行微分，分成若干等份，每乙份的角度為0.18度，這個微分的等份近似的可以看作一條射線，如下圖所示,圖中是乙個雷射雷達的縱截面的示意圖，雷達由下至上分布多個雷射器，發出如圖所示的放射狀雷射束，這些雷射束在平地上即表現為，圖中的水平線即為一條射線：
注：0.18度是vlp32c雷達的水平光束發散間隔。
此演算法存在幾點不足：第一，存在少量噪點，不能徹底過濾出地面;第二，非地面的點容易被錯誤分類，造成非地面點缺失;第三，對於目標接近雷射雷達盲區的情況，會出現誤分割，即將非地面點雲分割為地面。
採用平面模型（plane model）來擬合當前的地面，通常來說，由於現實的地面並不是乙個「完美的」平面，而且當距離較大時雷射雷達會存在一定的測量雜訊，單一的平面模型並不足以描述我們現實的地面。要很好的完成地面分割，就必須要處理存在一定坡度變化的地面的情況（不能將這種坡度的變化視為非地面，不能因為坡度的存在而引入雜訊），一種簡單的處理方法就是沿著x方向（車頭的方向）將空間分割成若干個子平面，然後對每個子平面使用地面平面擬合演算法（gpf）從而得到能夠處理陡坡的地面分割方法。
整個資料集中同時包含好的點和不好的點，我們將它們分別稱為局內點和局外點；
資料的分布可以通過某個數學模型來描述，而局內點就是可以適應該模型的點，局外點是不可以適應該模型的點；
隨意給定一組點（可能是局內點也有可能是局外點），我們假設這組點都是局內點，它們滿足某個數學模型，我們利用這個數學模型去估算其他的點，如果有足夠多的點通過計算能被歸類為假設的局內點，那麼這個模型就足夠合理。
顯示三維點雲 三維雷射點雲資料建模
三維雷射點雲資料建模 常見的建模軟體有3dmax cad 草圖大師 revit等，在規則模型建模中，我們常會用到3dmax建模，在這裡就以3dmax為例來說明其在點雲建模應用的經驗 首先我們需要將採集到的點雲資料的原始格式轉換成autodesk軟體可以利用的rcs檔案，轉換工具就是recap或者re...
三維雷射雷達點雲處理發展趨勢
2020年的cvpr出來之後，在點雲處理方面給人的感覺是耳目一新，從眾多 中可以看出點雲處理的新的發展方向。在之前的發展中，方法大致可以分為如下幾類 point voxel cnn for efficient 3d deep learning，在保證速度的同時提取point wise的細粒度的特徵，...
python 處理點雲資料並三維顯示
import numpy as np import matplotlib.pyplot as plt from mpl toolkits.mplot3d import axes3d 開啟點雲資料檔案 f open rawxyz.xyz r point f.read f.close 資料預處理 l1 ...