La segmentación del suelo es una tarea crucial en el campo de la percepción LiDAR 3D para la conducción autónoma. Es comúnmente utilizada como un paso de preprocesamiento para tareas como la detección de objetos y la extracción de carreteras. Sin embargo, los algoritmos existentes de segmentación del suelo a menudo tienen dificultades para cumplir con los requisitos de robustez y rendimiento en tiempo real debido a variaciones significativas en las pendientes y planitud del suelo en diferentes escenas, así como la influencia de objetos como hierba, parterres y árboles en el entorno. Para abordar estos desafíos, este artículo propone un algoritmo de segmentación del suelo en tiempo real por etapas. El algoritmo propuesto no solo logra un alto rendimiento en tiempo real, sino que también muestra una mayor robustez. Basado en un modelo de zona concéntrica, el algoritmo filtra los puntos de ruido reflejado y los puntos no terrestres verticales en la primera etapa, mejorando la validez del plano terrestre ajustado. En la segunda etapa, el algoritmo aborda efectivamente el problema de la subsegmentación de puntos del suelo a través de tres pasos: ajuste del plano terrestre, juicio de validez del plano terrestre y reparación del plano terrestre. Los resultados experimentales en el conjunto de datos SemanticKITTI demuestran que el algoritmo propuesto supera a los métodos existentes en cuanto a los resultados de segmentación.