张 凯，于春磊，赵亚丽，陈义飞，杨蒙蒙，江 昆

（1.辽宁工业大学汽车与交通工程学院，锦州 121000；2.北京超星未来科技有限公司，北京 100080；3.清华大学车辆与运载学院，北京 100084；4.清华大学电子工程系，北京 100084）

前言

环境感知是无人驾驶汽车与外界交互的前提条件，也是汽车安全稳定行驶的重要保障。三维激光雷达因其检测精度高、可靠性强、捕捉物体三维姿态细节丰富等特点而被广泛应用。其中，基于激光雷达的感知任务主要包括地面分割和障碍物检测、识别与跟踪。在这些任务中，地面点云的滤除是一项重要的工作，也是影响障碍物检测精度的关键。在无人驾驶汽车行驶中，由于汽车起步、制动或复杂路面会引起车辆的前俯、后仰和侧倾，进一步引发局部区域激光点云密集、稀疏或空缺状态；此外，在处理多线束高密度点云数据时，同时保证分割算法的精度与实时性面临巨大挑战。因此，针对复杂的车辆状况和行驶环境提出满足无人驾驶需求的高精度地面分割方法尚须持续研究。

目前国内外学者对于地面点云分割算法的研究主要分为3类：基于栅格地图、基于平面模型和基于深度图像。栅格地图法主要利用局部区域内障碍物与地面点高度值差异特征进行分割，文献［1］和文献［2］中将原始点云在x⁃y平面划分栅格，计算每个栅格内最大高程差值，并与人为经验阈值比较分割地面栅格点云；文献［3］中将原始点云以极坐标形式划分栅格，针对栅格内离散点拟合直线模型，通过距离阈值分割出地面点云；……