基于由粗到细马尔可夫随机场的快速点云地面分割方法
计算机视觉与模式识别
2021-02-01 v2
摘要
地面分割是搭载 3D LiDAR 的自动驾驶车辆（AVs）的一项重要预处理任务。为解决现有地面分割方法难以兼顾精度与计算复杂度的问题，提出了一种基于由粗到细马尔可夫随机场（MRF）方法的快速点云地面分割方法。该方法利用改进的高程图进行地面粗分割，然后利用时空邻点优化分割结果。将处理后的点云划分为高置信度障碍物点、地面点和未知分类点，以初始化 MRF 模型。随后使用图割方法求解模型以实现细分割。在数据集上的实验表明，我们的方法在其他算法的地面分割精度上有所提升，且快于其他基于图的算法，仅需 I7-3770 CPU 的单核即可处理一帧 Velodyne HDL-64E 数据（平均 39.77 ms）。还进行了现场测试以证明所提方法的有效性。
引用
@article{arxiv.2011.13140,
title = {A Fast Point Cloud Ground Segmentation Approach Based on Coarse-To-Fine Markov Random Field},
author = {Weixin Huang and Huawei Liang and Linglong Lin and Zhiling Wang and Shaobo Wang and Biao Yu and Runxin Niu},
journal= {arXiv preprint arXiv:2011.13140},
year = {2021}
}
备注
16 page,22 figures