继续点云分割经典论文复现的系列，作为本系列的第二篇，此次为大家带来经典论文：Ground plane estimation from sparse LIDAR data for loader crane sensor fusion system

算法回顾

1. 使用角度阈值判断地面点

下图为，使用角度阈值，判断16线激光雷达单次扫描所得16个点是否属于地面，并由此提取种子点:

2. 使用种子点进行直线拟合，并使用距离阈值判断地面点
   

算法解读

不同于使用面模型对整帧点云的地面进行提取，这篇文章的地面分割算法以单个横向角分辨率中的点云为对象。
在种子点提取阶段：用线地址连续的三个点构成两个向量，使用多个向量之间的夹角对点云进行判断，选出地面种子点。这样做，是因为在一个横向角分辨率内，地面的坡度可以看作是同一的，所以经过投影之后的地面点往往是共线的，所以可以较为准确地提取出共线的种子点。另外，地面点的z值一般较低，可以根据z值去除共线的非地面点。
在直线拟合阶段，使用ransac基于这些种子点提取地面点所在直线的模型，最后利用点到直线距离的阈值提取地面点。
这个思想的优点就是可以克服单帧点云中坡度分布不均匀导致地面分割效果较差的现象，但是还是无法处理一些复杂地面，对于城市道路自动驾驶可能有用。其次，由于该方法考虑了旋转式扫描LiDAR生成点云的方式，会有其应用优势。

代码复现

使用matlab对以上思想进行复现，并使用lego-loam数据包中的一帧数据进行测试，在这里先放一下结果图。将代码整理好之后再放上代码。

总结

好了，以上就是点云分割论文复现系列的第二篇，本次写得较为粗略，有时间了再更新更多的复现结果，还没有整理好，比较混乱。
本系列仅作为个人记录。转载请标明出处。

参考文献

[1] Karol Miądlicki, Mirosław Pajor, Mateusz Saków. Ground plane estimation from sparse LIDAR data for loader crane sensor fusion system. MMAR 2017.