简单总结一下这篇论文思路：
地面分割和聚类两大部分
地面识别：
(点云划分成s个扇面)
（滤掉了较远和较近的点云）
（把点云由三维降到二维（d,z））
用{d,z}拟合直线，筛选出地面点，并进行标注，由于较远的点比较稀疏的点难以拟合，就认为是非地面点
分割：非地面点映射到占用栅格地图上
聚类：先通过占用栅格地图判断是否需要用voxel grid进行3D聚类，判断条件是，占用栅格地图对应的点云中，如果点云对的距离超过一定阈值，就进行3D点云的聚类（A clustering method for efficient segmentation of 3D laser data，这篇文章没有看），这样做的目的是，首先是保证聚类的准确性，因为按照前面的地面分割算法，类似于树下有一辆车这种，树和车就划分成一类了，因此需要对局部点云进行基于voxel grid的聚类；然后是为了保证高效，前面也说了只是对局部进行聚类，如果整片点云按照voxel grid进行聚类的话效率比较低，因此根据前文提到的占用栅格地图进行筛选有“障碍”位置才会进行判断是否进一步聚类，如果需要聚类，就把该部分划分成voxel grid，然后聚类。
思路大致如此，没有细抠代码。
扫描二维码关注公众号，回复：
13345376 查看本文章
