条件随机抽样一致性稳健平面拟合方法

摘要

传统稳健特征值平面拟合方法以固定倍率的距离标准差作为距离阈值，在处理复杂点云时自适应性不足；且由于随机抽样一致性(random sample consensus, RANSAC)算法初始采样点的随机性，无法避免初始平面位置不合理的情况。针对上述问题，从“阈值动态调整”和“随机采样条件”两个方面进行改进，提出条件随机抽样一致性稳健平面拟合方法。对比实验结果表明，“阈值动态调整”改进方法相较于特征值法和传统稳健特征值法精度上分别提升了约59.8%和17.9%。同时“随机采样条件”在一定程度上减轻了距离标准差倍率调节的计算负担。且该方法对于异常值密集且不均匀的坑槽数据依然保持良好的识别效果，其IoU值比特征值法和传统稳健特征值法分别提高了约20.4%和55.4%,验证了方法的鲁棒性和实用性。

关键词

三维激光点云 / 平面拟合 / 随机抽样一致性 / 稳健特征值法 / 改进阈值动态调整