HoPE杂乱场景的点云数据平面的提取

点云PCL免费知识星球，点云论文速读。

标题：HoPE: Horizontal Plane Extractor for Cluttered 3D Scenes

作者：Dong, Zhipeng and Gao, Yi and Zhang, Jinfeng and Yan

星球ID：particle

欢迎各位加入免费知识星球，获取PDF论文，欢迎转发朋友圈分享快乐。

●论文摘要

在杂乱的三维场景中提取水平面是许多机器人应用的基本步骤。针对一般平面分割方法在这一问题上的局限性，我们提出了一种新的平面提取的算法，它能够在杂乱的有序点云或者是无序点云数据中高效的提取平面。通过预校准或惯性测量单元获得的传感器方向将源点云转换为参考坐标系，提出了一种改进的区域增长算法与Z轴聚类算法结合，一种基于主成分分析（PCA）的点云聚类和分割的方法。此外，我们还提出了一种最近邻平面匹配（NNPM）策略来保持连续序列中提取平面的稳定性。对真实场景和合成场景的定性和定量评估表明，我们的方法在对有噪声的点云数据的处理的鲁棒性、准确性和效率方面优于几种最新的方法。并且该算法已经在github 开源：https://github.com/DrawZeroPoint/hope

●主要贡献

（1）根据三维点云采集设备定向的角度对点云数据进行变换从而简化水平面提取的过程，提供了快速且稳健的点云聚类和分割以及识别的方法。

（2）以一种合理的方式尽量的减少使用阈值的数量来减少算法的不稳定性，能够在预期的精度和高效的计算时间里达到较好的分割效果。

（3）与点云库PCL以及机器人操作系统（ROS）兼容且开源。