第4章点云分割（上）

4、点云分割（上）：RANSAC算法原理、平面分割、圆柱体分割

各位同学，欢迎来到点云分割的实战环节。

点云分割，说白了就是把一堆乱七八糟的点，按照它们的几何形状归类。比如地面归为一类，墙面归为一类，路上的车归为一类。今天咱们先聊最经典的两个：平面分割和圆柱体分割。而实现它们的核心算法，就是大名鼎鼎的 RANSAC。

4.1 RANSAC 算法原理：为什么它能「抗噪声」？

RANSAC，全称 Random Sample Consensus，随机采样一致性。名字挺长，但思想很简单。

想象一下，你面前有一堆点，大部分都落在一个平面上，但有几个点飞得很远（噪声）。如果用最小二乘法去拟合，那几个噪声点会把整个平面拉歪。RANSAC 的做法是：我不跟你讲道理，我直接随机抽三个点，算一个平面，然后看看有多少点支持这个平面。支持的点多，我就认为这个平面是对的。

核心思想： 通过反复随机采样，找到能容纳最多「内点」的模型参数。

具体步骤我总结为四步：

随机采样：从点云中随机选 n 个点（平面选3个，圆柱体选5个）。
计算模型：用这 n 个点算出模型参数（平面方程、圆柱体轴线和半径）。
统计内点：遍历所有点，计算它们到模型的距离。距离小于阈值的，算内点。
迭代更新：重复1-3步，保留内点最多的那个模型。

嗯，这里要注意：迭代次数不是越多越好。我刚开始做项目时，傻乎乎设了10万次迭代，结果跑了一分多钟。后来发现，根据内点比例和置信度，用公式算一下最优次数就够了。

我的经验： 迭代次数公式：k = log(1-p) / log(1-w^n)。其中 p 是期望成功率（一般0.99），w 是内点比例，n 是采样点数。实际项目中，我通常设 100-500 次，效果就很好了。

4.2 平面分割：地面检测的「基本功」

平面分割是点云处理里最基础的操作。你想想看，自动驾驶场景中，地面、墙面、路面标识牌，基本都是平面。尤其是地面分割，几乎是每个感知系统的第一步。

RANSAC 做平面分割，流程是这样的：

随机选3个点，计算平面方程 ax + by + cz + d = 0。
计算每个点到该平面的距离 dist = |ax0 + by0 + cz0 + d| / sqrt(a² + b² + c²)。
距离小于阈值（比如0.1米）的点，标记为内点。
重复迭代，保留内点最多的平面。

我给大家看一段伪代码，实际项目中我经常这么写：

// 伪代码：RANSAC 平面分割
int best_inliers = 0;
Plane best_plane;

for (int iter = 0; iter < max_iterations; iter++) {
    // 1. 随机选3个点
    Point p1 = points[rand() % N];
    Point p2 = points[rand() % N];
    Point p3 = points[rand() % N];

    // 2. 计算平面参数
    Plane plane = computePlane(p1, p2, p3);

    // 3. 统计内点
    int inlier_count = 0;
    for (auto &p : points) {
        float dist = pointToPlaneDist(p, plane);
        if (dist < distance_threshold) inlier_count++;
    }

    // 4. 更新最优
    if (inlier_count > best_inliers) {
        best_inliers = inlier_count;
        best_plane = plane;
    }
}

避坑指南： 我曾经在高速场景下，把路边的护栏误检成了地面。为什么？因为护栏也是一个大平面，而且距离阈值设得太大了。后来我加了两个约束：法向量必须朝上（z轴分量大于0.8），平面高度必须在合理范围（比如-0.5米到0.5米之间）。

4.3 圆柱体分割：从「杆状物」说起

圆柱体分割，在自动驾驶里主要用来检测路灯杆、交通标志杆、树干等。这些目标虽然看起来简单，但用 RANSAC 做起来比平面复杂不少。

为什么？因为圆柱体有5个自由度：轴线的方向（2个）、轴线上的一个点（3个）、半径（1个）。所以每次随机采样需要至少5个点。

具体做法是这样的：

随机选5个点。
用其中2个点确定轴线方向，再用另外3个点确定半径和位置。
计算每个点到圆柱体表面的距离（点到轴线的距离减去半径）。
统计内点，迭代优化。

我个人习惯在圆柱体分割时，先做一次地面滤波。因为地面上的点太多，会干扰圆柱体的拟合。我一般先跑一遍平面分割，把地面去掉，再对剩下的点做圆柱体分割。这样效率能提升30%以上。

关键参数：

参数	推荐值	说明
距离阈值	0.05 - 0.1 米	点到圆柱体表面的允许误差
半径范围	0.05 - 0.5 米	路灯杆一般0.1-0.3米，树干可能更粗
最小内点数	50 - 200	太少了可能是噪声，太多了可能漏检

我记得有一次做园区物流车项目，路两边全是细长的路灯杆。用 RANSAC 做圆柱体分割，一开始总是把两个相邻的杆子拟合成一个。后来我把最小内点数调高，并且加了轴线方向约束（必须垂直于地面），问题就解决了。

4.4 本章知识体系

为了让大家更直观地理解，我画了一张流程图，把 RANSAC 分割的核心逻辑串起来：

这张图把 RANSAC 的迭代循环画得很清楚。你想想看，每次迭代就是一次「猜模型、验证、保留最优」的过程。说白了，RANSAC 就是一个暴力枚举的优化版本，只不过它用随机采样代替了全量搜索。

我的建议： 在实际工程中，不要只跑一次 RANSAC。我通常的做法是：先分割出地面（平面），把地面点去掉；再分割墙面（平面），去掉；最后剩下的点，做圆柱体分割。这样层层剥离，效果比一次全量分割好得多。

好了，这一章的内容就到这里。RANSAC 的原理和两种分割方法，大家一定要动手写代码跑一跑。下一章我们会聊点云分割的下半部分——欧式聚类和区域生长，到时候咱们再接着聊。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

4、点云分割（上）：RANSAC算法原理、平面分割、圆柱体分割

4.1 RANSAC 算法原理：为什么它能「抗噪声」？

4.2 平面分割：地面检测的「基本功」

4.3 圆柱体分割：从「杆状物」说起

4.4 本章知识体系