1 课题研究来源、目的及意义

1.1 课题研究来源

2018年1月5日，发改委发布《智能汽车创新发展战略》（征求意见稿）公开征求意见公告，该战略提出了中国智能汽车的战略愿景：到2020年，智能汽车新车占比达到50%，中高级别智能汽车实现市场化应用，重点区域示范运行取得成效。2018年2月，北京市率先颁发了《北京市自动驾驶车辆道路测试能力评估内容与方法（试行）》和《北京市自动驾驶车辆封闭测试场地技术要求（试行）》，对自动驾驶汽车的路测标准进一步细化。2018年3月1日，上海发放了全国首批智能网联汽车开放道路测试牌照，并划定道路进行开放测试。

智能车辆作为现在汽车发展的趋势之一，能够优化车辆控制，更高的前瞻性、更快的响应时间可以带来更少的燃油消耗和污染以及碰撞事故。为提高道路的交通流量和减少交通事故起到了极大的促进作用^[1]。

为了避免碰撞实现车辆安全导航，无人驾驶车辆必须对环境中的各种障碍物进行精确的感知^[2-6]，由于三维激光雷达可以实时、精确地获取车辆周围的环境信息且很少受到光照、天气变化的影响，因此被广泛应用到无人驾驶车辆的环境感知系统中。在城市交通环境下，最常见的障碍物有车辆、行人、树木、建筑物等，要实现对这些障碍物精确的感知必须首先将这些障碍物从雷达数据中精确地分割出来，而这些障碍物都是分布在地面上，并通过地面点连接在一起，因此必须首先将地面提取出来，地面点云提取的结果会直接影响到障碍物分割、识别的精度^[7-8]。

由于研究生导师的研究方向为智能车辆环境感知方面，本人在开题任务发布后就阅读了较多环境感知方面的文献资料，对其中地面分割的研究较为感兴趣。之后与导师就关于激光雷达点云地面分割这一方面的问题进行了多次交流，最终将终于将论文的落脚点放在基于平面拟合的智能车辆三维激光点云地面分割方法研究上。

1.2 课题研究目的

智能车辆经过多年的发展，已经取得了较大的成绩。然而，地面分割作为智能车辆行驶过程中需要将所有雷达数据进行处理的唯一步骤经常被人们忽视。虽然部分研究人员对激光雷达的地面方法进行了相关研究，但这些算法有时仍不能满足实时性与精确性要求，且部分算法需要在一定的环境下实现，拥有较差的适应性。

因此，从平面拟合的方法出发^[9-13]，对智能车辆三维激光点云地面分割方法进行研究分析，提出一套基于平面拟合新的地面分割方法来满足智能车辆地面分割时的精确性、鲁棒性和实时性就是本课题要达到的目的。

1.3 课题研究意义

从实际意义方面来看，该地面分割的方法有助于提高地面分割的实时性与精确性，从而有助于提高障碍物分割、识别的精度。对于个人而言，合适的地面的分割方法，对保障其行驶时的安全具有重要意义；对于企业而言，使用精确而又实时的地面分割方法，有助于其智能汽车系统的完善；对于国家而言，每一项智能车辆技术的进步均有利于其相关法规与体系的完善。

从理论意义方面来看，该地面分割的方法有利于完善智能车辆激光雷达点云地面分割方面的相关理论与技术方法，为以后的研究提供一定的参考建议。

2. 研究的基本内容与方案

2 国内外的研究现状分析

现有的地面点云分割方法主要有基于3D点云投影的方法^[14-19]、基于函数模型的方法^[20-23]、基于扫描线的方法^[24-25]、基于图的方法^[7，26-27]，国内外研究人员针对这几种主要方法和其他方法均进行了相关的研究。

2.1 国内研究状况分析

孙朋朋等^[14]提出了一种采用延伸顶点的地面点云实时提取算法，原始数据进行扭曲修正后根据三维雷达的原理构建柱状极坐标网格地图，提取每个网格中障碍物的延伸顶点，并结合地面平滑一致性提取出所有的地面点，但面对复杂的环境该分割方法容易过度分割；张名芳等^[20]提出了一种基于三维不规则点云的地面分割算法，在构建连接图的基础上建立了相应的测量代价和平滑性代价函数模型，得到地面高度最优估计值，实现地面点与非地面点的分割，但是对于城市环境下大规模的三维LiDAR点云，该方法计算量较大；周等^[24]提出了一种基于扫描线的局部地面检测方法，根据扫描线中近邻点之间的高度和坡度属性提取每一扫描线中的地面点，并通过实验验证了该算法的有效性，此类算法充分利用了近邻点之间相关性，具有较高的分割精度，但是不能处理大量的无序点云数据；赵凯等^[26]提出了一种基于均值高程图的城市环境三维LiDAR点云地面分割方法，将城市三维环境的LiDAR扫描点云转化为均值高程图，再根据设定的高度梯度阈值将网格划分为障碍物和候选地面，最后将候选地面的最大连通域作为参考地面，该方法计算量较小但精确度较低。