基于改进RANSAC算法的车载LiDAR地面点云提取

针对传统RANSAC算法提取车载LiDAR地面点云精度低、结果不稳定等问题,提出了一种改进的RANSAC算法.使用KD-Tree构建点云拓扑关系并将点云空间划分成不同区域,设置邻域半径得到每个点的邻近索引并计算点云法向量,根据法向量对地面点云进行粗提取.遍历粗提取的地面点云求平均高程,将其作为阈值滤除较高的地物点得到地面点集.从地面点集中随机选取一个点作为种子点,利用FPS算法选取剩余两个种子点并拟合平面模型,将点集数据代入平面模型,判断每个点云数据到平面模型的距离是否满足预设的阈值并统计地面点数量,重复该步骤直至拟合出一个最优平面模型,最后利用最优平面模型精确提取地面点.实验结果表明,改进后算法提取地面点的一类误差、二类误差、总误差分别为2.16％、4.79％、2.99％,均比原算法低,同时改进后的算法稳定性更强.