一种基于目标点云分布特性的动态聚类算法

作     者：李彩虹 何晨阳 高锋 陈佳欣 LI Caihong;HE Chenyang;GAO Feng;CHEN Jiaxin

作者机构：重庆大学机械与运载工程学院重庆400044 智能汽车安全技术全国重点实验室重庆401120 

基　　金：汽车安全与节能国家重点实验室开放基金项目(KFY2209) 汽车协同创新中心揭榜挂帅项目(2022CDJDX-004) 重庆市技术创新与应用发展专项(CSTB2022TIAD-KPX0139) 

出 版 物：《汽车安全与节能学报》 (Journal of Automotive Safety and Energy)

年 卷 期：2024年第15卷第2期

页      码：261-267页

摘      要：激光雷达在自动驾驶系统的目标检测任务中发挥着重要作用,但其扫描机理会使得点云分布不均匀,常规聚类算法由于参数固定会导致较多的错误聚类。为解决该问题,该文以椭圆形状作为邻域空间,设计基于采样点位置的邻域自适应调整策略,提出一种基于目标点云分布特性的动态聚类算法。通过正确聚类、过聚类等综合结果评估算法的性能,在KITTI数据集上进行了数值分析得到算法参数,并在校园环境中进行了实车对比实验。结果表明:所提算法能减少基于密度的噪声应用空间聚类(DBSCAN)中固定邻域所造成的70.60%过聚类、49.76%欠聚类等错误结果,从而有效提高算法的综合聚类性能。

主 题 词：智能汽车 目标检测 激光雷达 点云聚类 KITTI数据集 基于密度的噪声应用空间聚类(DBSCAN) 

学科分类：082304[082304] 08[工学] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.3969/j.issn.1674-8484.2024.02.015

馆 藏 号：203127588...