自动驾驶的激光雷达点云地面分割的改进RANSAC算法与嵌入式实现.docxVIP

PAGE2

自动驾驶的激光雷达点云地面分割的改进RANSAC算法与嵌入式实现

摘要

随着智能汽车与低空飞行器技术的快速发展，激光雷达作为核心感知传感器，在复杂环境下的环境理解能力成为制约系统安全性的关键瓶颈。地面分割作为点云处理的基础环节，其精度与实时性直接影响后续目标检测、可行驶区域提取等任务的可靠性。传统随机采样一致性算法在起伏地形、坡道、颠簸路面等复杂场景中存在平面模型失配问题，导致分割精度下降，难以满足嵌入式平台的低延迟部署需求。

本文围绕复杂地形下的激光雷达点云地面分割问题，设计并实现了一种基于改进RANSAC的算法方案。研究引入高程梯度约束机制，通过计算点云局部邻域的高程变化率，对采样点进行预筛选，剔除位于地物立面与陡坡边缘的异常点

引入迭代加权策略，根据点到平面距离动态调整权重，增强对低矮植被与路缘石等过渡区域的鲁棒性。在JetsonOrin嵌入式平台上完成算法移植与优化，利用CUDA加速与TensorRT推理框架实现并行化处理。

全文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路。第二章分析相关技术与选型依据，第三章定义系统功能与非功能需求，第四章设计算法流水线架构，第五章详述改进RANSAC的数学模型与处理流程，第六章展示嵌入式实现过程，第七章通过KITTI数据集与实测场景验证分割精度与帧率。实验结果表明，相比传统方法，改进算法在起伏地形下