一种融合密度聚类与区域生长算法的快速障碍物检测方法
A Fast Obstacle Detection Method by Fusion of Density-based Clustering and Region Growing Algorithms作者机构:陆军军事交通学院天津300161 陆军军事交通学院军事交通运输研究所天津300161
出 版 物:《机器人》 (Robot)
年 卷 期:2020年第42卷第1期
页 面:60-70页
核心收录:
学科分类:0808[工学-电气工程] 0809[工学-电子科学与技术(可授工学、理学学位)] 080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0701[理学-数学] 0812[工学-计算机科学与技术(可授工学、理学学位)] 0801[工学-力学(可授工学、理学学位)]
主 题:智能车 激光雷达 密度聚类算法 区域生长算法 障碍物检测
摘 要:针对智能车在城市环境下采集的3维激光雷达点云中相邻障碍物难以区分、远距离检测易分裂以及小障碍物易漏检的问题,将密度聚类算法与区域生长算法融合,提出了一种鲁棒的障碍物快速检测方法.该方法首先利用区域生长算法对点云栅格完成第1次聚类并标记出可能含有更小障碍物的栅格,然后利用参数自适应的DBSCAN(density-based spatial clustering of applications with noise)对体积较大、可能包含多目标的障碍物检测结果进行细化,最后对已标记的栅格进行第2次区域生长聚类,完成小障碍物的检测.实验结果表明,本方法在城市环境下能够准确区分和检测出障碍物,检测准确率平均可达97%,平均耗时为13 ms.