Se propone un método de estimación de LiDAR VLP-16 basado en un solo marco de nube de puntos 3D para abordar el problema de estimar las características geométricas de obstáculos negativos en entornos estructurados. En primer lugar, se desarrolla un método de medición de distancia para determinar el rango de estimación del obstáculo negativo, que se puede utilizar para verificar la precisión de la estimación de distancia. En segundo lugar, la nube de puntos 3D de un obstáculo negativo se transforma en una imagen rasterizada de elevación 2D, lo que hace que la detección y estimación de obstáculos negativos sea más intuitiva y precisa. En tercer lugar, comparamos los efectos de un filtro de eliminación de valores atípicos estadísticos, la eliminación de valores atípicos por radio y la eliminación condicional en nubes de puntos 3D, así como los efectos de un filtro Gaussiano, un filtro mediano y un filtro promedio en la reducción de ruido de imágenes 2D, y diseñamos un diagrama de flujo para la reducción de ruido y desruido de nubes de puntos e imágenes. Finalmente, se propone un método de estimación de características geométricas basado en la imagen rasterizada de elevación. La imagen del obstáculo negativo en el raster se utiliza como una línea auxiliar, y el número de píxeles se deriva de la Transformada de Hough Probabilística Progresiva basada en OpenCV para estimar las características geométricas del obstáculo negativo en función del tamaño del raster. Los resultados experimentales muestran que el algoritmo tiene una alta precisión en la estimación de las características geométricas de obstáculos negativos en caminos estructurados y tiene un valor de aplicación práctica para la investigación de percepción del entorno LiDAR.