本文总结了3D点云分割的研究，包括Fast Range Image-Based Segmentation方法应对lidar点云稀疏性的挑战，以及常见的点云分割方法如基于特征的方法和3D到2D投影的方法。文章提出了一种在range图像上进行分割的新方法，通过设定阈值角度β进行点云分割，同时针对近距离物体的分割问题进行了改进。
Fast Range Image-Based Segmentation of Sparse 3D Laser Scans for Online Operation
- 挑战
由于lidar点云的稀疏性，尤其在垂直方向上，即便相邻点云是来自于同一物体，它们之间也会存在着一个欧氏距离。并且随着Object与Lidar距离的增大，这个距离会越来越大，给目标识别带来的挑战也越大。
- 常见点云分割方法
主要有三类：
-
基于特征的方法
这类方法通过复杂的特征来定义点云，或者先剔除地平面，然后再通过设置一定的阈值来以点之间的距离分割点云。
这种方法能够进行准确的分割，但是计算量比较大，消耗时间，会限制在线的应用。
但这类方式使用得好像挺多的，IMLS-SLAM用的是类似这种方法。
典型的论文有：
[7] B. Douillard, J. Underwood, N. Kuntz, V. Vlaskine, A. Quadros,P. Morton, and A. Frenkel. On the segmentation of 3d lidar point clouds. In Proc. of the IEEE Int. Conf. on Robotics & Automation
(ICRA), 2011.
[8] B. Douillard, J. Underwood, V. Vlaskine, A. Quadros, and S. Singh. A pipeline for the segmentation and classification of 3d point clouds. In Proc. of
最低0.47元/天 解锁文章
扫一扫
1300
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
