改进密度聚类的激光雷达障碍物检测方法

作     者：牛国臣 王月阳 田一博 NIU Guochen;WANG Yueyang;TIAN Yibo

作者机构：中国民航大学机器人研究所天津300300 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2023年第49卷第10期

页      面：2608-2616页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 081104[工学-模式识别与智能系统] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：天津市科技计划(17ZXHLGX00120) 

主　　题：激光雷达 障碍物检测 无人车 分组聚类 DBSCAN k-means 

摘      要：针对无人车在园区环境下采集的激光三维点云中远距离障碍物易漏检、相邻障碍物存在欠分割和过分割且算法耗时较大等问题,根据激光束在水平和垂直方向上的分布不同,通过自适应调整聚类半径,提出了改进的具有噪声基于密度的空间聚类(DBSCAN)算法,并基于分组聚类思想结合改进的k-means算法提出了一种快速且准确的障碍物检测方法。根据感兴趣区域(ROI)内三维点云的密度特征,利用改进的k-means算法对其初步分组;对每组内的点云使用参数自适应的DBSCAN算法进行并行聚类;对组边界上符合条件的聚类簇进行合并,完成障碍物检测。实车实验结果表明:与传统方法相比,所提方法障碍物检测正检率提高17.5%,平均耗时缩短23.6%。