4、地面与非地面分割：三种主流方法深度解析

地面分割这件事，说实话，是激光雷达感知里最基础但也最容易被忽视的一环。我刚开始做自动驾驶时，总觉得地面分割嘛，随便找个平面拟合就完事了。结果呢？车在坡道上直接漏检了一根车道线，差点出事。从那以后，我再也不敢小看这个模块了。

今天咱们就聊聊三种主流的地面分割方法。每种方法都有自己的脾气，你得根据场景来选。

4.1 基于RANSAC的平面拟合

RANSAC，全称是Random Sample Consensus。说白了，就是在一堆点里，反复随机挑几个点去拟合一个平面，然后看看有多少点支持这个平面。支持最多的那个，就是地面。

我个人习惯用RANSAC做快速验证。代码写起来简单，效果也还行。

// 伪代码示例
int maxIterations = 100;
double distanceThreshold = 0.1; // 单位：米

for (int i = 0; i < maxIterations; i++) {
    // 随机选3个点
    Point p1 = points[rand() % N];
    Point p2 = points[rand() % N];
    Point p3 = points[rand() % N];
    
    // 计算平面方程 ax + by + cz + d = 0
    Plane plane = fitPlane(p1, p2, p3);
    
    // 统计内点数量
    int inliers = 0;
    for (auto& p : points) {
        double dist = distanceToPlane(p, plane);
        if (dist < distanceThreshold) inliers++;
    }
    
    // 记录最优平面
    if (inliers > bestInliers) {
        bestPlane = plane;
        bestInliers = inliers;
    }
}

注意：RANSAC有个致命问题——它假设地面是平的。你想想看，真实道路哪有那么平？遇到坡道、减速带，RANSAC直接就懵了。我曾经在高速匝道上吃过这个亏，地面分割后车道线全断了。

我的建议：RANSAC适合做预处理，比如快速剔除大部分地面点。但别指望它搞定复杂场景。迭代次数设到100-200次就够了，再多就是浪费算力。

4.2 基于射线坡度的地面分割

这个方法就聪明多了。它把激光雷达的扫描线想象成一条条射线，从中心往外发射。每条射线上，相邻点之间的坡度变化，就是判断地面的关键。

为什么会这样？因为地面上的点，坡度变化是连续的、缓慢的。而障碍物上的点，坡度会突然跳变。

具体做法是这样的：

把点云按角度分到不同的射线（bin）里
对每条射线，按距离排序
计算相邻点的坡度（高度差 / 水平距离）
坡度小于阈值的，认为是地面点

// 射线坡度分割核心逻辑
double slopeThreshold = 0.1; // 坡度阈值，约5.7度

for (auto& ray : rays) {
    sortByDistance(ray.points);
    
    for (int i = 1; i < ray.points.size(); i++) {
        double dz = ray.points[i].z - ray.points[i-1].z;
        double dr = hypot(
            ray.points[i].x - ray.points[i-1].x,
            ray.points[i].y - ray.points[i-1].y
        );
        
        double slope = dz / dr;
        
        if (abs(slope) < slopeThreshold) {
            markAsGround(ray.points[i]);
        } else {
            markAsObstacle(ray.points[i]);
        }
    }
}

核心优势：射线坡度法天然适应坡道。因为它是局部比较，不是全局拟合。上坡、下坡都能处理。我在城市道路场景里，基本都用这个方法。

不过，它也有弱点。如果地面有坑洼或者小石子，坡度会剧烈变化，容易误判。嗯，这里要注意，阈值不能设得太死。

4.3 基于Patchwork的地面分割

Patchwork是近两年比较火的方法。它把点云分成一个个小网格（patch），每个网格独立判断是不是地面。最后再把这些小网格拼起来，形成完整的地面。

我个人觉得，Patchwork是这三种方法里最鲁棒的。它结合了局部信息和全局信息。

具体流程：

把点云投影到二维网格（比如50x50的网格）
每个网格内，计算最低点、最高点、平均高度
用这些特征判断网格是不是地面
相邻地面网格合并，形成完整地面

方法	优点	缺点	适用场景
RANSAC	简单、快速	假设地面平坦	停车场、高速公路
射线坡度	适应坡道	对噪声敏感	城市道路、乡村路
Patchwork	鲁棒性高	计算量大	复杂场景、越野

避坑指南：我曾经在雨雪天用Patchwork，发现地面分割效果变差。后来排查发现，是雨滴和雪花被当成了地面点。解决办法是加一个高度滤波，把离群点先滤掉。

4.4 三种方法的对比与选择

你可能会问，到底该用哪个？我的经验是这样的：

如果只是做Demo，RANSAC就够了，5分钟搞定
如果是量产项目，建议用射线坡度法，效率高、效果好
如果场景特别复杂（比如越野、矿区），上Patchwork

其实，很多量产方案是混合使用的。先用RANSAC粗分割，再用射线坡度法精调。这样既快又准。

一句话总结：地面分割没有银弹。你得根据传感器安装高度、道路类型、计算资源来选。我建议你把这三种方法都实现一遍，跑跑自己的数据，自然就知道哪个适合你了。

这张图很直观。原始点云进来，三条路都能走。但最终目的都一样——把地面和非地面分开，然后只对非地面点做车道线检测。你想想看，如果地面点不滤掉，车道线检测算法会疯掉的，到处都是干扰。

我的小技巧：实际部署时，我习惯把三种方法的结果做个投票。两个方法都认为是地面的点，才标记为地面。这样误检率能降低不少。当然，计算量会大一些，但现在的硬件完全扛得住。

好了，地面分割就聊到这儿。这三种方法你都可以试试，跑跑自己的数据，看看哪个效果最好。记住，没有最好的方法，只有最适合你场景的方法。

📚 课程目录

4、地面与非地面分割：三种主流方法深度解析

4.1 基于RANSAC的平面拟合

4.2 基于射线坡度的地面分割

4.3 基于Patchwork的地面分割

4.4 三种方法的对比与选择