三维激光雷达被广泛应用在无人驾驶系统中对道路环境的检测和防碰撞检测。为增加激光雷达对扫描点云进行分割的准确性, 提出一种基于深度投影的点云目标实时分割方法。首先采用体素化滤波去除噪声点, 然后使用渐进式形态学滤波方法去除地面点, 最后将点云进行深度投影, 建立三维点云与深度投影图像的映射关系, 利用深度投影图像的自适应角度阈值对点云进行目标分割, 并将分割后的点云目标构造混合层次包围盒进行碰撞检测。实验结果表明该方法相对于传统聚类算法在时间效率上有明显提升, 并且能有效降低过分割问题, 实验数据目标分割准确率达到了7882%, 结合混合层次包围盒算法对分割后的点云目标进行碰撞检测, 可有效地识别并判断物体空间位置关系, 提升碰撞识别的准确性。

三维激光雷达广泛应用在智能车系统中,点云目标分割是智能车环境感知中的关键技术。针对目前三维激光雷达点云目标分割算法实时性和准确性不高的问题,提出一种基于深度图的点云目标快速分割方法。将点云数据表示为深度图,建立深度图与点云数据的映射关系。利用激光雷达扫描线的角度阈值去除地面点云数据,结合深度图和自适应参数改进的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对非地面点云进行聚类分割。实验结果表明该方法相对于传统聚类算法在时间效率上有很大的提升,且能较好地降低欠分割错误率,分割准确度提升10%,达到了85.02%。