三维激光点云路面分割方法、系统、计算机设备及介质与流程

本发明涉及无人驾驶技术领域，尤其涉及三维激光点云路面分割方法、三维激光点云路面分割系统、计算机设备及计算机可读存储介质。

背景技术：

无人车或自动驾驶是目前人工智能产业中最具有应用价值的行业之一，环境感知作为无人车核心研究内容，是智能汽车实现自主决策和路径规划的基础。对环境感知的准确性直接决定着汽车的智能化水平，然而目前技术在复杂环境下仍难以准确、迅速感知出最有效的外界信息，仍有很多关键技术需要突破。

现有技术中，普遍利用激光雷达进行障碍物及可行驶区域的检测。其中，路面分割是激光雷达检测的前提。目前，比较典型激光点云路面分割方法有：

一、将点云建立无向图，通过设置损失函数求解无向图模型来分割路面。但该方法对损失函数的精确度依赖较强，损失函数如果不适合，会造成精确度较低的问题。

二、通过ransac的方法建立一个或者多个拟合的路面模型。但该方法很难适应路面凹凸不平、多斜坡等不规则路面工况。

三、在特定方向上进行梯度筛选然后通过平滑函数来过滤地面点云。但该方法难以综合利用邻近点所呈现出来的组合特征，会造成特征信息在使用上的浪费。

技术实现要素：

本发明所要解决的技术问题在于，提供一种三维激光点云路面分割方法、系统、计算机设备及介质，可通过分析三维激光点云的几何特征，实现了对复杂地形高效、准确的点云路面分割。

为了解决上述技术问题，本发明提供了一种三维激光点云路面分割方法，包括：构建扇形栅格地图；对所述扇形栅格地图进行连通域聚类处理以构建栅格簇；对符合预设条件的栅格簇进行特征值分析，提取符合线特征及面特征的栅格簇作为地面栅格簇；在所述扇形栅格地图的径向方向上对所述地面栅格簇进行平滑度检查，提取符合平滑度要求的地面栅格簇。

作为上述方案的改进，所述三维激光点云路面分割方法还包括：在扇形栅格地图的径向方向上，根据所述地面栅格簇构建平滑约束，将不符合预设条件的栅格簇中符合平滑约束的栅格作为地面栅格。

作为上述方案的改进，所述构建扇形栅格地图的步骤包括：将激光雷达的三维激光点云投影到扇形栅格地图中，所述扇形栅格地图由多个相互独立的栅格组成；分别计算每个栅格中的所有点的最大高度差，若所述最大高度差大于预设阈值，则所述栅格为障碍物栅格，删除所述障碍物栅格。

作为上述方案的改进，所述对扇形栅格地图进行连通域聚类处理以构建栅格簇的步骤包括：s11，在扇形栅格地图中，以一个栅格为搜寻中心，建立栅格簇；s12，在预设领域内搜寻满足梯度要求的栅格，并将满足梯度要求的栅格添加到所述栅格簇中；s13，在所述栅格簇内，以另一个未被作为搜寻中心的栅格为新的搜寻中心，进入步骤s12，直至所述栅格簇中的所有栅格均完成搜寻；s14，在所述栅格簇外，以另一个未被作为搜寻中心的栅格为新的搜寻中心，建立新的栅格簇，进入步骤s12，直至所述扇形栅格地图中的所有栅格均完成搜寻。

作为上述方案的改进，判断栅格簇是否符合预设条件的步骤包括：将栅格簇内的每个栅格转换为点，并为所述栅格簇构建最小包围矩形；判断所述栅格簇内点的数量是否小于预设数量或所述栅格簇所对应的最小包围矩形的对角线长度是否小于预设长度，判断为是时，所述栅格簇不符合预设条件，判断为否时，所述栅格簇符合预设条件。

作为上述方案的改进，所述对符合预设条件的栅格簇进行特征分析，提取符合线特征及面特征的栅格簇作为地面栅格簇的步骤包括：根据所述符合预设条件的栅格簇内的点构建协方差矩阵；计算所述协方差矩阵的特征值；提取所述特征中的最小特征值、中间特征值及最大特征值，并根据所述最小特征值、中间特征值及最大特征值之间的差值进行判断，其中，当所述最小特征值与中间特征值之间的差值不在预设范围内，且所述中间特征值与最大特征值之间的差值在预设范围内，则所述符合预设条件的栅格簇为面状栅格簇；当所述最小特征值与中间特征值之间的差值在预设范围内，且所述最小特征值与最大特征值之间的差值不在预设范围内，则所述符合预设条件的栅格簇为线状栅格簇；当所述最小特征值、中间特征值及最大特征值之间的差值在预设范围内，则所述符合预设条件的栅格簇为球状栅格簇；将所述面状栅格簇及线状栅格簇作为地面栅格簇。

作为上述方案的改进，所述在扇形栅格地图的径向方向上对地面栅格簇进行平滑度检查，提取符合平滑度要求的地面栅格簇的步骤包括：s21，以激光雷达所在的地面点为起始点；

s22，在所述扇形栅格地图的径向方向上依次计算地面栅格簇中相邻栅格之间的梯度，若所述梯度不满足梯度要求，则所述梯度对应的相邻栅格中的前一个栅格为终止栅格，并将所述终止栅格及之前的栅格标记为地面栅格；s23，将所述终止栅格之后的栅格标记为非地面栅格，直至当前栅格的高度低于上一个非地面栅格的高度；s24，判断当前栅格与上一个终止栅格之间的高度差是否小于预设高度差，判断为是时，以当前栅格为新的起始点，进入步骤s22，判断为否时，将当前栅格标记为非地面栅格并继续检查下一个栅格，进入步骤s24；s25，直至所述地面栅格簇中所有的栅格均完成检查，判断所述地面栅格簇中非地面栅格的数量是否大于地面栅格的数量，判断为是时，则删除所述地面栅格簇，判断为否时，则保留所述地面栅格簇。

作为上述方案的改进，所述在扇形栅格地图的径向方向上，根据所述地面栅格簇构建平滑约束，将不符合预设条件的栅格簇中符合平滑约束的栅格作为地面栅格的步骤包括：在所述扇形栅格地图的径向方向上，根据地面栅格簇中栅格的半径长度及高度构建平滑曲线；根据所述平滑曲线对径向方向上的所有栅格进行平滑处理以生成平滑函数；将不符合预设条件的栅格簇中栅格的径向长度代入所述平滑函数以计算当前栅格的理论高度；判断所述当前栅格的理论高度与实际高度之间的差值是否在预设差值范围内，判断为是时，所述当前栅格为地面栅格，判断为否时，所述当前栅格为非地面栅格。

相应地，本发明还提供了一种三维激光点云路面分割系统，包括：地图构建模块，用于构建扇形栅格地图；类聚处理模块，用于对所述扇形栅格地图进行连通域聚类处理以构建栅格簇；特征分析模块，用于对符合预设条件的栅格簇进行特征值分析，提取符合线特征及面特征的栅格簇作为地面栅格簇；平滑检查模块，用于在所述扇形栅格地图的径向方向上对所述地面栅格簇进行平滑度检查，提取符合平滑度要求的地面栅格簇。

作为上述方案的改进，所述三维激光点云路面分割系统还包括：平滑约束模块，用于在扇形栅格地图的径向方向上，根据所述地面栅格簇构建平滑约束，将不符合预设条件的栅格簇中符合平滑约束的栅格作为地面栅格。

相应地，本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行上述三维激光点云路面分割方法的步骤。

相应地，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现三维激光点云路面分割方法的步骤。

实施本发明，具有如下有益效果：

本发明通过对路面点云进行聚类分析以将路面点云分成多个点云簇，并针对路面点云的几何特征进行特征值分析，再利用平滑度公式对栅格进行平滑拟合，最终实现了对复杂地形高效、准确的点云路面分割。因此，与现有技术相比，本发明在精确性与鲁邦性上有较大提升。

附图说明

图1是本发明三维激光点云路面分割方法的第一实施例流程图；

图2是本发明中扇形栅格地图的示意图；

图3是本发明中某一径向方向上栅格的分布情况示意图；

图4是本发明中某一径向方向上栅格的另一分布情况示意图

图5是本发明三维激光点云路面分割方法的第二实施例流程图；

图6是本发明三维激光点云路面分割系统的第一实施例结构示意图；

图7是本发明三维激光点云路面分割系统的第二实施例结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

根据三维激光雷达的成像特点，在返回的点云中有较大一部分是通过路面反射回来的，此类点云称为地面点云。而路面分割的目的是将地面点云从全部点云中分离出来，其意义在于一方面可以根据分离出来的地面提取可行驶区域，另一方面，由于地面点对于障碍物检测来讲没有任何意义，所以在进行障碍物检测时，可以减少大量的无用点。因此，路面分割是利用激光雷达进行障碍物检测、可行驶区域检测等相关功能的前提。

参见图1，图1显示了本发明三维激光点云路面分割方法的第一实施例流程图，其包括：

s101，构建扇形栅格地图。

具体地，所述构建扇形栅格地图的步骤包括：

(1)将激光雷达的三维激光点云投影到扇形栅格地图中，所述扇形栅格地图由多个相互独立的栅格组成。

(2)分别计算每个栅格中的所有点的最大高度差，若所述最大高度差大于预设阈值，则所述栅格为障碍物栅格，删除所述障碍物栅格。

所述最大高度差是指每个栅格中最高点与最低点之间的高度差。例如，某栅格中有点a(高度为2mm)、点b(高度为9mm)及点c(高度为2.5mm)，则该栅格的高度最大值为9mm，高度最小值为2mm，最大高度差为7mm。

分割过程中，需先将激光雷达的三维激光点云投影到如图2所示的栅格中，其中，同一个栅格中可存在任意数量的激光雷达点；计算栅格中所有点的最大高度差hmm，如果最大高度差hmm大于预设阈值，则说明此栅格为障碍物栅格，则将此栅格删除。

s102，对所述扇形栅格地图进行连通域聚类处理以构建栅格簇。

由于现实中地面的几何特征只与相邻的地面特征相关，并且地面相对较平坦，相邻之间的梯度变化比较小，因此，本发明利用聚类将相邻梯度差别不大的栅格聚为一类。具体地，所述对扇形栅格地图进行连通域聚类处理以构建栅格簇的步骤包括：

(1)在扇形栅格地图中，以一个栅格为搜寻中心，建立栅格簇。

以随机一个栅格为搜寻中心，建立一个新的栅格簇。

(2)在预设领域内搜寻满足梯度要求的栅格，并将满足梯度要求的栅格添加到所述栅格簇中。

如图2所示，若预设横向范围nh＝1(即以搜寻中心为基准，横向延伸1个栅格)，预设纵向范围np＝2(即以搜寻中心为基准，纵向延伸2个栅格)，则预设领域为“栅格1”“栅格2”“栅格3”“栅格4”“栅格5”及“栅格6”。

梯度是指两个栅格的高度差hg与两个栅格的坐标欧式距离d的比值，即梯度g＝hg/d，如果梯度g小于预设梯度gt，则认为栅格符合梯度要求。其中，栅格高度是指每个栅格内所有点的高度的平均值。

(3)在所述栅格簇内，以另一个未被作为搜寻中心的栅格为新的搜寻中心，进入步骤(2)，直至所述栅格簇中的所有栅格均完成搜寻。

当完成当前搜寻中心在预设领域内的梯度判断后，在所述栅格簇内以另一个新的栅格为搜寻中心(此栅格从未被作为搜寻中心点)，重复步骤(2)中的搜寻操作，直至符合梯度要求的栅格全部加入到栅格簇中。最后，当栅格簇中再没有未被当作搜寻中心的栅格存在，此时栅格簇的扩充结束。

(4)在所述栅格簇外，以另一个未被作为搜寻中心的栅格为新的搜寻中心，建立新的栅格簇，进入步骤(2)，直至所述扇形栅格地图中的所有栅格均完成搜寻。

以所述栅格簇以外的栅格为中心，建立新的栅格簇，重复步骤(2)及步骤(3)的搜寻操作，直至没有可以建立新的栅格簇的起始栅格，此时形成若干个栅格簇，聚类完成。

因此，通过步骤s102可实现栅格的有效聚类，以构建一个或多个栅格簇，以实现对栅格的分别处理，针对性强。

s103，对符合预设条件的栅格簇进行特征值分析，提取符合线特征及面特征的栅格簇作为地面栅格簇。

具体地，判断栅格簇是否符合预设条件的步骤包括：

(1)将栅格簇内的每个栅格转换为点，并为所述栅格簇构建最小包围矩形。

将栅格簇内的每个栅格近似为点(x，y，z)，其中，x为栅格在笛卡尔坐标系下的x轴坐标，y为栅格在笛卡尔坐标系下的y轴坐标，z为栅格高度(栅格高度是指每个栅格内所有点的高度的平均值)。

(2)判断所述栅格簇内点的数量是否小于预设数量或所述栅格簇所对应的最小包围矩形的对角线长度是否小于预设长度，判断为是时，所述栅格簇不符合预设条件，判断为否时，所述栅格簇符合预设条件。

需要说明的是，当栅格簇内点的数量小于预设数量或栅格簇所对应的最小包围矩形的对角线长度小于预设长度，则说明栅格簇的规模较小，不适用于特征分析。因此，本发明仅对规模较大的栅格簇进行特征分析，对于规模较小的栅格簇暂不进行处理或采用其他方式进行分析。

相应地，所述对符合预设条件的栅格簇进行特征分析，提取符合线特征及面特征的栅格簇作为地面栅格簇的步骤包括：

(1)根据所述符合预设条件的栅格簇内的点构建协方差矩阵。具体地，本发明可利用栅格簇内每个点的x、y、z值建立协方差矩阵。

(2)计算所述协方差矩阵的特征值，从而得到特征值中的最小特征值、中间特征值及最大特征值。

(3)提取所述特征中的最小特征值、中间特征值及最大特征值，并根据所述最小特征值、中间特征值及最大特征值之间的差值进行判断，其中：

当所述最小特征值与中间特征值之间的差值不在预设范围内，且所述中间特征值与最大特征值之间的差值在预设范围内，则所述符合预设条件的栅格簇为面状栅格簇；即当最小特征值相比于其他两个特征值(中间特征值及最大特征值)很小，且其余两个特征值(中间特征值及最大特征值)相差不大时，此时栅格簇中的点云大致是面状的，法向量可为任意方向。

当所述最小特征值与中间特征值之间的差值在预设范围内，且所述最小特征值与最大特征值之间的差值不在预设范围内，则所述符合预设条件的栅格簇为线状栅格簇；即当最小特征值与中间特征值相差不大，并且最小特征值与最大特征值相差较大时，此时栅格簇中的点云大致是线状的，法向量可以为任意方向。

当所述最小特征值、中间特征值及最大特征值之间的差值在预设范围内，则所述符合预设条件的栅格簇为球状栅格簇；即当三个值(最小特征值、中间特征值及最大特征值)大致相等时，此时栅格簇中的点云大致为球状的。

(4)将所述面状栅格簇及线状栅格簇作为地面栅格簇。

因此，步骤s103利用了二维特征信息，并非只是结合单个方向或者是两个方向的信息，在特征提取方面有着非常高的准确性，可对栅格簇进行有效分类，并对规模较大的栅格簇进行特征值分析以提取面状栅格簇及线状栅格簇作为地面栅格簇，精确度高，准确性强。

s104，在所述扇形栅格地图的径向方向上对所述地面栅格簇进行平滑度检查，提取符合平滑度要求的地面栅格簇。

需要说明的是，经过步骤s103的筛选，保留特征值符合条件的栅格簇为地面栅格簇，但有必要对地面栅格簇进行进一步的检查，因为如果车辆前方出现较高的平台(例如前面突然出现集装箱式的货车)，激光雷达投射在此类物体的点云也比较平坦，因此需要剔除类似此种情况下的误判栅格。

本发明提出了通过计算径向方向上的梯度来剔除误判栅格。具体地，所述在扇形栅格地图的径向方向上对地面栅格簇进行平滑度检查，提取符合平滑度要求的地面栅格簇的步骤包括：

(1)以激光雷达所在的地面点为起始点。

(2)在所述扇形栅格地图的径向方向上依次计算地面栅格簇中相邻栅格之间的梯度，若所述梯度不满足梯度要求，则所述梯度对应的相邻栅格中的前一个栅格为终止栅格，并将所述终止栅格及之前的栅格标记为地面栅格。

如图3所示，以激光雷达所在的地面点为起始点，依次顺序计算相邻两栅格的梯度α，如果梯度α大于预设梯度αmax，则此时相邻两栅格中的前一个栅格为终止栅格，终止栅格及之前的栅格都标记为地面栅格，其中，梯度的计算方法为相邻两栅格的高度差除以径向方向上的长度差。例如，图3中的栅格c为终止栅格，栅格a、b、c均为地面栅格。

(3)将所述终止栅格之后的栅格标记为非地面栅格，直至当前栅格的高度低于上一个非地面栅格的高度。

(4)判断当前栅格与上一个终止栅格之间的高度差是否小于预设高度差，判断为是时，以当前栅格为新的起始点，进入步骤(2)，判断为否时，将当前栅格标记为非地面栅格并继续检查下一个栅格，进入步骤(4)。

终止栅格之后的栅格依次标记为非地面栅格，直到当前栅格的高度比上一个非地面栅格要低。此时，将当前栅格的高度与上一个终止栅格的高度做比较，如果当前栅格与上一个终止栅格之间的高度差小于预设高度差，则当前栅格作为新的起始点，否则标记为非地面栅格，并继续检查下一个栅格。

如图4所示，上一个终止栅格为b，即使栅格e比上一个非地面栅格d的高度要低，但是栅格e不能成为新的起始栅格，因为栅格e的高度h1比上一个终止栅格b的高度高太多(h1>hmin)；按顺序判断下一个栅格f，此时栅格f满足成为新起始栅格的要求(即栅格f与上一个终止栅格b之间的高度差h2小于预设高度差hmin)，故栅格f可以作为新的起始栅格。

(5)直至所述地面栅格簇中所有的栅格均完成检查，判断所述地面栅格簇中非地面栅格的数量是否大于地面栅格的数量，判断为是时，则删除所述地面栅格簇，判断为否时，则保留所述地面栅格簇。

因此，通过步骤s104来计算径向方向上的梯度，可有效剔除误判栅格，进一步保证分割的准确性。

由上可知，本发明通过分析三维激光点云的几何特征(点、线、面)进行路面分割，可以对点云簇的形状做较好的判断，从而根据点云簇的形状判断是否属于地面点；因此，与现有技术相比，本发明在精确性与鲁邦性上有较大提升。

参见图5，图5显示了本发明三维激光点云路面分割方法的第二实施例流程图，其包括：

s201，构建扇形栅格地图。

s202，对所述扇形栅格地图进行连通域聚类处理以构建栅格簇。

s203，对符合预设条件的栅格簇进行特征值分析，提取符合线特征及面特征的栅格簇作为地面栅格簇。

s204，在所述扇形栅格地图的径向方向上对所述地面栅格簇进行平滑度检查，提取符合平滑度要求的地面栅格簇。

s205，在扇形栅格地图的径向方向上，根据所述地面栅格簇构建平滑约束，将不符合预设条件的栅格簇中符合平滑约束的栅格作为地面栅格。

需要说明的是，不符合预设条件的栅格簇(即未进行特征值分析的栅格簇)中仍然存在较多的散落的稀疏栅格，在这些栅格中可能存在地面栅格，因此在径向方向上设置平滑函数，建立平滑约束，只要满足约束条件，即可添加到地面栅格类。本发明中，针对稀疏栅格可采用以下方法进行处理：

(1)在所述扇形栅格地图的径向方向上，根据地面栅格簇中栅格的半径长度及高度构建平滑曲线；

(2)根据所述平滑曲线对径向方向上的所有栅格进行平滑处理以生成平滑函数；

(3)将不符合预设条件的栅格簇中栅格的径向长度代入所述平滑函数以计算当前栅格的理论高度；

(4)判断所述当前栅格的理论高度与实际高度之间的差值是否在预设差值范围内，判断为是时，所述当前栅格为地面栅格，判断为否时，所述当前栅格为非地面栅格。

在每一条径向方向上以属于地面栅格簇中栅格的半径长度为横坐标，高度为纵坐标建立三次b样条曲线，以该三次b样条曲线为平滑取消并利用该平滑曲线对整个径向方向上的栅格进行平滑，并得到每段的平滑函数。然后将小规模栅格簇(即未进行特征值分析的栅格簇)中的栅格的径向长度作为横坐标代入平滑函数中，将得到的理论高度hs与实际高度hi比较，如果︱hs-hi︱小于预设差值hdiff，则此栅格属于地面栅格，其中，预设差值hdiff可以为差值阈值。

因此，与图1所示的第一实施例不同的是，本实施例中通过增加对稀疏栅格的进一步分类处理，可精准的提取地面栅格。

参见图6，图6显示了本发明三维激光点云路面分割系统100的第一实施例，其包括：

地图构建模块1，用于构建扇形栅格地图。具体地，地图构建模块1将激光雷达的三维激光点云投影到扇形栅格地图中，然后分别计算每个栅格中的所有点的最大高度差，若所述最大高度差大于预设阈值，则所述栅格为障碍物栅格，删除所述障碍物栅格。

类聚处理模块2，用于对所述扇形栅格地图进行连通域聚类处理以构建栅格簇。具体地，类聚处理模块2在扇形栅格地图中，以一个栅格为搜寻中心，建立栅格簇；然后，在预设领域内搜寻满足梯度要求的栅格，并将满足梯度要求的栅格添加到所述栅格簇中；接着，在所述栅格簇内，以另一个未被作为搜寻中心的栅格为新的搜寻中心重新信息搜寻，直至所述栅格簇中的所有栅格均完成搜寻；最后，在所述栅格簇外，以另一个未被作为搜寻中心的栅格为新的搜寻中心，建立新的栅格簇，重新进行搜寻，直至所述扇形栅格地图中的所有栅格均完成搜寻。

特征分析模块3，用于对符合预设条件的栅格簇进行特征值分析，提取符合线特征及面特征的栅格簇作为地面栅格簇。需要说明的是，判断栅格簇是否符合预设条件的方法包括：(1)将栅格簇内的每个栅格转换为点，并为所述栅格簇构建最小包围矩形。(2)判断所述栅格簇内点的数量是否小于预设数量或所述栅格簇所对应的最小包围矩形的对角线长度是否小于预设长度，判断为是时，所述栅格簇不符合预设条件，判断为否时，所述栅格簇符合预设条件。具体地，特征分析模块3根据所述符合预设条件的栅格簇内的点构建协方差矩阵；然后，计算所述协方差矩阵的特征值，从而得到特征值中的最小特征值、中间特征值及最大特征值；接着，提取所述特征中的最小特征值、中间特征值及最大特征值，并根据所述最小特征值、中间特征值及最大特征值之间的差值进行判断，其中：当所述最小特征值与中间特征值之间的差值不在预设范围内，且所述中间特征值与最大特征值之间的差值在预设范围内，则所述符合预设条件的栅格簇为面状栅格簇；即当最小特征值相比于其他两个特征值(中间特征值及最大特征值)很小，且其余两个特征值(中间特征值及最大特征值)相差不大时，此时栅格簇中的点云大致是面状的，法向量可为任意方向。当所述最小特征值与中间特征值之间的差值在预设范围内，且所述最小特征值与最大特征值之间的差值不在预设范围内，则所述符合预设条件的栅格簇为线状栅格簇；即当最小特征值与中间特征值相差不大，并且最小特征值与最大特征值相差较大时，此时栅格簇中的点云大致是线状的，法向量可以为任意方向。当所述最小特征值、中间特征值及最大特征值之间的差值在预设范围内，则所述符合预设条件的栅格簇为球状栅格簇；即当三个值(最小特征值、中间特征值及最大特征值)大致相等时，此时栅格簇中的点云大致为球状的；最后，将所述面状栅格簇及线状栅格簇作为地面栅格簇。

平滑检查模块4，用于在所述扇形栅格地图的径向方向上对所述地面栅格簇进行平滑度检查，提取符合平滑度要求的地面栅格簇。具体地，平滑检查模块4以激光雷达所在的地面点为起始点；然后，在所述扇形栅格地图的径向方向上依次计算地面栅格簇中相邻栅格之间的梯度，若所述梯度不满足梯度要求，则所述梯度对应的相邻栅格中的前一个栅格为终止栅格，并将所述终止栅格及之前的栅格标记为地面栅格；接着，将所述终止栅格之后的栅格标记为非地面栅格，直至当前栅格的高度低于上一个非地面栅格的高度；再判断当前栅格与上一个终止栅格之间的高度差是否小于预设高度差，判断为是时，以当前栅格为新的起始点，重新进行检测，判断为否时，将当前栅格标记为非地面栅格并继续检查下一个栅格；直至所述地面栅格簇中所有的栅格均完成检查，判断所述地面栅格簇中非地面栅格的数量是否大于地面栅格的数量，判断为是时，则删除所述地面栅格簇，判断为否时，则保留所述地面栅格簇。

由上可知，本发明通过分析三维激光点云的几何特征(点、线、面)进行路面分割，可以对点云簇的形状做较好的判断，从而根据点云簇的形状判断是否属于地面点；因此，与现有技术相比，本发明在精确性与鲁邦性上有较大提升。

参见图7，图7显示了本发明三维激光点云路面分割系统100的第二实施例，与图6所示的第一实施例不同的是，本实施例中所述三维激光点云路面分割系统100还包括：平滑约束模块5，用于在扇形栅格地图的径向方向上，根据所述地面栅格簇构建平滑约束，将不符合预设条件的栅格簇中符合平滑约束的栅格作为地面栅格。

具体地，平滑约束模块5在所述扇形栅格地图的径向方向上，根据地面栅格簇中栅格的半径长度及高度构建平滑曲线；再根据所述平滑曲线对径向方向上的所有栅格进行平滑处理以生成平滑函数；然后，将不符合预设条件的栅格簇中栅格的径向长度代入所述平滑函数以计算当前栅格的理论高度；最后，判断所述当前栅格的理论高度与实际高度之间的差值是否在预设差值范围内，判断为是时，所述当前栅格为地面栅格，判断为否时，所述当前栅格为非地面栅格。

因此，本发明通过平滑约束模块5增加对稀疏栅格的进一步分类处理，可精准的提取地面栅格。

本实施例中通过增加对稀疏栅格的进一步分类处理，可精准的提取地面栅格。相应地，本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述三维激光点云路面分割方法的步骤。同时，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述三维激光点云路面分割方法的步骤。

因此，本发明通过对路面点云进行聚类分析以将路面点云分成多个点云簇，并针对路面点云的几何特征进行特征值分析，再利用平滑度公式对栅格进行平滑拟合，并对稀疏栅格的进一步分类处理，最终实现了对复杂地形高效、准确的点云路面分割。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。