Fast Segmentation of 3D Point Clouds: A Paradigm on LiDAR Data for Autonomous Vehicle Applications阅读
该篇点云论文主要分为两个阶段的创新:
①点云地面点的提取(Ground Plane Fitting, GPF);
②点云扫描聚类快速提取(Scan Line Run, SLR);
一、Ground Plane Fitting, GPF
先上伪代码图
解释:
第一步:首先根据输入的点云,进行一个按照高度的排序,选出N个高度最低的点,并求取高度平均值,作为后续初始种子的评价,根据高度和预设的阈值进行划分,得到种子点云(可以理解为地面点云的初始化)
第二步:根据获得的初始化点云,求取平面的法向量n 和 d;然后针对输入的所有点云进行一个点到平面距离的计算,获得更新的地面点云和非地面点云,在迭代N次,得到收敛的地面点云和非地面点云集合。
二、Scan Line Run, SLR
LSR主要是针对分割完后的非地面点集合进行一个分类、聚类。
算法流程如下
通过第一个预设好带标签的环进行标签的繁殖扩散,对于距离低于阈值的进行标签繁殖,否则进行标签的新建,当出现冲突时,合并两个冲突的标签,并保留标签ID小的。
这里面有三个问题:
1).如何初始化第一个带标签的环;
2).如何进行扩张,寻找最近邻;
3).如果发生标签冲突,如何合并标签;
1.每个点,都有一个环内标签和点云标签,通过检测标签保证首尾跨越的问题;
2.以Kdtree的形式对点云进行存储,环内标签和点云全局标签可以进行一个转化,在寻找最近邻,通过大概的比例,求出当前点在下一环中的点环内标签;
3.(其实我没看懂,哈哈哈)大概是通过3个一维向量进行维护,待我看了参考文献再来。
代码:
ROS的发布节点源码:VincentCheungM/Run_based_segmentation: An ongoing implementation ros node on `fast segmentation of 3d point clouds: a paradigm`... : https://github.com/VincentCheungM/Run_based_segmentation
Fast Segmentation of 3D Point Clouds: A Paradigm on LiDAR Data for Autonomous Vehicle Applications阅读相关推荐
- 地面分割:Fast Segmentation of 3D Point Clouds for Ground Vehicles
论文链接:Fast segmentation of 3D point clouds for ground vehicles | IEEE Conference Publication | IEEE X ...
- 论文笔记-Multi-view Incremental Segmentation of 3D Point Clouds for Mobile Robots
标题:Multi-view Incremental Segmentation of 3D Point Clouds for Mobile Robots 作者:Jingdao Chen1, Yong K ...
- JSNet: Joint Instance and Semantic Segmentation of 3D Point Clouds
Abstract 在本文中,我们提出了一种新的联合实例和语义分割方法,称为JSNet,以同时解决3D点云的实例和语义分割.首先,我们建立了一个有效的骨干网络来从原始点云中提取鲁棒的特征.其次,为了获得 ...
- (3DV 2017) SEGCloud: Semantic Segmentation of 3D Point Clouds
图 1:SEGCloud:3D点云被体素化并通过3D全卷积神经网络馈送,以生成粗略的下采样体素标签.三线性插值层将此粗略输出从体素转换回原始3D点表示.获得的3D点分数用于在3D全连接CRF中进行推理 ...
- 【点云系列】综述: Deep Learning for 3D Point Clouds: A Survey
文章目录 起因 题目 摘要 1 简介 2 背景 2.1 数据集 2.2 衡量指标 3 3D形状分类 3.1基于多视角的方法 3.2基于体素的方法 3.3 基于点的方法 3.3.1逐点MLP网络 3.3 ...
- 三维点云语义分割【综述】 ——Deep Learning for 3D Point Clouds: A Survey
3D POINT CLOUD SEGMENTATION 3D Semantic Segmentation Projection-based Networks Point-based Networks ...
- Deep Learning for 3D Point Clouds: A Survey - 3D点云的深度学习:一项调查 (IEEE TPAMI 2020)
Deep Learning for 3D Point Clouds: A Survey - 3D点云的深度学习:一项调查(IEEE TPAMI 2020) 摘要 1. 引言 2. 背景 2.1 数据集 ...
- Fast Ground Segmentation for 3D LiDAR Point Cloud Based on Jump-Convolution-Process实现
Fast Ground Segmentation for 3D LiDAR Point Cloud Based on Jump-Convolution-Process实现流程 一.demo演示 二.项 ...
- Ground Segmentation based on Loopy Belief Propagation for Sparse 3D Point Clouds (论文速读)
欢迎访问我的个人博客:zengzeyu.com Abstract 在使用3D激光雷达进行局部环境感知任务中,地面点分割是中重要的预处理任务,并且在起伏不平和倾斜的非结构化环境中非常具有挑战性.为了解决 ...
最新文章
- Java高并发编程基础之AQS
- 基于Case的MIS系统 - 总账模块
- 2021ICPC(沈阳) - String Problem(后缀树+贪心)
- sql server 生成万年历
- 第8章4节《MonkeyRunner源码剖析》MonkeyRunner启动运行过程-启动 8
- Java笔记-RabbitMQ中生产者端confirm模式(异步模式)
- 【C#编程基础学习笔记】4---Convert类型转换
- 成为一名架构师得学习哪些知识?
- Windows Linux Mac 路由添加删除
- Hadoop高级培训课程大纲-开发者版
- 电子书下载:[FBI教你破解身体语言].(美)乔·纳瓦罗.(美)马文·卡尔林斯.文字版...
- 父与子python第三版,父与子的编程之旅 与小卡特一起学Python 第3版(全彩印刷)...
- 通过GetVersionEx获取Win10版本号
- Ubuntu 20.04 从零开始安装MySQL 8.0并重置root密码
- 读《魔鬼搭讪学》有感
- RECON-NG介绍及使用
- 前端网络基础-应用层DNS协议
- 基于exif信息进行图片方向旋转修正
- 语法俱乐部3:动词时态
- docker安装ElasticSearch8.1.0错误curl: (52) Empty reply from server的处理方法
热门文章
- 60天精通Python全栈-Day 1
- 宝藏又小众的花朵免抠元素素材网站分享
- 部署zabbix监控
- python读取word的方法,Python读取Word(.docx)正文信息的方法
- Tableau填充地图、多维地图、混合地图
- 丁俊晖苦战九局不敌墨菲止步第二轮
- c语言数字怎么转换成英文字母,C语言提问:将一个月份数字转换成月份的英文名称...
- Sql Having 用法示例
- xampp下数据库mysql启动不了的解决办法
- android studio小闪电,早高FENG:疑似Beats Studio Buds耳机真机曝光/2021款理想ONE正式发布...