SFND_Lidar_Obstacle_Detection 源码

激光雷达障碍物检测 细节 在该项目中,我从激光雷达传感器获得了一组点云数据,我实现了分段和聚类以检测车辆周围的物体。 没有预处理方法的原始点云为: 使用RANSAC进行细分 RANSAC代表随机样本共识,是一种检测数据中异常值的方法。 RANSAC运行最大迭代次数,并返回最合适的模型。 每次迭代都会随机选择数据的子样本,并通过它拟合模型,例如直线或平面。 然后,将具有最多数量的内部值或最低噪声的迭代用作最佳模型。 结果如下所示: 使用KD-Tree的欧氏聚类 KD-树是二叉树,它在交替的轴之间分割点。 通过使用区域划分来分隔空间,使用像欧几里得聚类这样的算法可以使最近邻居搜索更快。 最终结果是