点云地面分割与聚类的实现与优化
哪些公司问过
答案要点
- RANSAC:随机三点拟合平面,按距离阈值统计内点,取最优后最小二乘精修
- 迭代次数 N=log(1−p)/log(1−w³),由置信度和内点比例决定
- 地面优化:ROI 裁剪、体素下采样、低高度采样、法向约束、分区拟合
- DBSCAN:eps 邻域与 minPts 定义核心点,扩展连通区域成簇,其余为噪声
- 聚类优化:KD 树近邻、按距离自适应 eps、聚类后按尺寸过滤
易错点
- RANSAC 不约束法向,拟合到墙面或车身
- DBSCAN 用全局固定 eps,远处目标被拆散
- 不做下采样,邻域查询太慢
面试官常见追问
- DBSCAN 和 KMeans 在点云里怎么选?
- 坡道或起伏路面地面分割不准怎么办?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。