论文阅读：A Slope-robust Cascaded Ground Segmentation in 3D Point Cloud for Autonomous Vehicles

论文名称：A Slope-robust Cascaded Ground Segmentation in 3D Point Cloud for Autonomous Vehicles

主要内容：
本文提出了一种从3D点云中将地面点和非地面点分开的方法，并且对于斜坡型地面点有很高的识别率。

方法主要分为两个步骤，受限利用激光雷达的物理特征（高度、角度）计算环间距，根据点实际间距与计算间距的比较初步去除部分非地面点。

然后利用多区域RANSAC平面拟合方法进一步将地面点和非地面点区分开。

解决的问题：
很多地面点云分割算法对水平地面的分割效果很好，但是对于倾斜地面点的分割效果很差。

本文正是解决了这一问题。

方法
一、 Inter-ring distance-based filter
简单来说，激光雷达产生的环间距和三个因素有关：1 激光雷达高度 2 镭射角度 3 物体倾斜角度

物体的斜率越大，环间距越小，正是利用这一点，和激光雷达的水平环间距阈值做对比，初步去除非地面点。
这里注意阈值的计算使用了一个倾斜角为β的斜面，而不是完全水平的平面。

二、 Multi-region RANSAC plane fifitting
将车辆的的前后左右划分四个区域，再将四个区域划分n份，分别对四个区域应用RANSAC平面拟合算法。

这里由于远近的点密度不一样，不是等分为n分，而是利用下述公式划分。<