检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于图像信息约束的三维激光点云聚类方法

光电工程 2023年第2期50卷 35-46页

作者：夏金泽孙浩铭胡盛辉梁冬泰宁波大学机械工程与力学学院浙江宁波315000

针对移动机器人在未知环境感知过程中对三维点云快速聚类分割的需求,提出一种基于图像信息约束的三维激光点云聚类方法。首先通过点云预处理获取有效的三维环境信息,采用RANSAC方法进行地面点云的分割剔除。其次传感器数据在完成时空配... 详细信息

针对移动机器人在未知环境感知过程中对三维点云快速聚类分割的需求,提出一种基于图像信息约束的三维激光点云聚类方法。首先通过点云预处理获取有效的三维环境信息,采用RANSAC方法进行地面点云的分割剔除。其次传感器数据在完成时空配准后引入YOLOv5目标检测算法,对三维点云K-means聚类算法进行改进,利用二维图像目标物的检测框范围约束三维点云,减少非目标物的干扰;基于图像检测信息实现点云聚类算法的参数初始化;采用类内异点剔除法优化聚类结果。最后搭建移动机器人硬件平台,对箱体进行测试,实验结果表明,本文方法的聚类准确率和聚类时间分别为86.96%和23 ms,可用于移动机器人导航避障、自主搬运等领域。

关键词：移动机器人激光雷达目标检测点云聚类

维普期刊数据库博看期刊

结合上下文特征和图割算法的车载点云聚类方法

在线全文

学校读者我要写书评

暂无评论

应用科学学报 2020年第6期38卷 924-935页

作者：刘亚文张颖武汉大学遥感信息工程学院湖北武汉430079

可靠、准确的点云聚类是后续高精度场景目标分析与解译的基础.该文提出了一种基于上下文特征和图割算法的车载点云聚类方法.首先用DBSCAN(density-based spatial clustering of applications with noise)对点云数据进行过分割,得到密度... 详细信息

可靠、准确的点云聚类是后续高精度场景目标分析与解译的基础.该文提出了一种基于上下文特征和图割算法的车载点云聚类方法.首先用DBSCAN(density-based spatial clustering of applications with noise)对点云数据进行过分割,得到密度可达的超体素;然后引入空间和属性上下文特征来描述超体素间的关联,并用于定义超体素构建的图模型边的权值;最后基于多标记的图割优化算法得到最佳超体素聚簇.实验结果表明,该方法能够有效改善点云聚类过分割,从而提高聚类的精度.

关键词： DBSCAN 超体素上下文特征图割点云聚类

基于图像检测的三维激光点云聚类方法研究与应用

在线全文

学校读者我要写书评

暂无评论

控制工程 2024年第8期31卷 1478-1484页

作者：林乐彬周军皇攀凌李留昭欧金顺山东大学机械工程学院山东济南250061 山东大学高效洁净机械制造教育部重点实验室山东济南250061 山东大学机械工程国家级实验教学示范中心山东济南250061

针对移动机器人对周围环境障碍物感知的需求,特别是针对激光雷达点云数据的的语义检测和尺寸识别问题,提出基于图像处理和点云数据处理相融合的方法。首先,对3D激光雷达和双目相机进行外参标定;然后,使用YOLOv4深度神经网络将检测出的... 详细信息

针对移动机器人对周围环境障碍物感知的需求,特别是针对激光雷达点云数据的的语义检测和尺寸识别问题,提出基于图像处理和点云数据处理相融合的方法。首先,对3D激光雷达和双目相机进行外参标定;然后,使用YOLOv4深度神经网络将检测出的二维图像实例通过双目相机恢复像素深度,将其检测目标定位到激光点云中;在对点云进行滤波、几何约束后,采取基于KD树的搜索方法对点云欧式聚类分割,最终将识别出的语义信息输出到点云聚类结果中。实验结果表明,设计的方法可以准确、快速地识别并分割聚类出点云,可以应用于移动机器人导航避障。

关键词：点云聚类目标检测双目视觉定位

在线全文

学校读者我要写书评

暂无评论

改进蚁群算法的三维激光点云聚类方法

测绘通报 2018年第3期 38-42页

作者：江珊吕京国李现虎北京建筑大学测绘与城市空间信息学院北京102616

为了提高点云聚类方法的效率和精度,本文提出了一种蚁群优化投影寻踪算法。试验采用机载Li DAR点云数据,通过构建蚁群算法中信息素系数更新的对数反正切函数模型来减少所需的信息素更新系数的迭代次数,不断优化的投影寻踪方向投影,提高... 详细信息

为了提高点云聚类方法的效率和精度,本文提出了一种蚁群优化投影寻踪算法。试验采用机载Li DAR点云数据,通过构建蚁群算法中信息素系数更新的对数反正切函数模型来减少所需的信息素更新系数的迭代次数,不断优化的投影寻踪方向投影,提高寻找最佳投影方向的连续空间的效率,实现了树木和建筑的分割。试验使用人工方法对比评估树木和建筑物的位置和数量的准确性。

关键词：点云聚类蚁群算法投影寻踪点云分割

基于改进DBSCAN算法的无人车点云聚类研究

在线全文

学校读者我要写书评

暂无评论

基于改进DBSCAN算法的无人车点云聚类研究

作者：王子洋南京林业大学

学位级别：硕士

点云聚类是指通过激光雷达构建点云地图,将图中离散的点聚类成各个整体,是无人车环境感知检测技术之一。经典性的点云聚类算法主要有基于划分的聚类算法、基于层次的聚类算法、基于密度的聚类算法、基于网格的聚类算法、基于距离的聚类... 详细信息

点云聚类是指通过激光雷达构建点云地图,将图中离散的点聚类成各个整体,是无人车环境感知检测技术之一。经典性的点云聚类算法主要有基于划分的聚类算法、基于层次的聚类算法、基于密度的聚类算法、基于网格的聚类算法、基于距离的聚类算法以及混合聚类算法。基于密度的聚类算法应用比较广泛,主要有OPTICS(Ordering Points To Identify the Clustering Structure)算法和DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法,DBSCAN算法的优点是可以发现任意形状的点云。本文在分析与研究DBSCAN算法的基础上,针对DBSCAN算法存在的部分缺点,通过采用Kd-Tree(K-Dimensional-Tree)和标准化欧式距离改进DBSCAN算法,实现无人车的点云聚类优化。在点云预处理方面,通过对原始点云格式转换、坐标转换和反射强度补偿等,使点云有利于后续处理。点云数据量大且存在离群点,综合利用Statistics Outlier Removal算法和VoxelGrid算法的优点,采用混合滤波方法,点云数据量得到了大幅度减少,去除了离群点。在点云分割方面,通过点云分割方法对地面点云进行清除。预处理后的点云数据中包含地面点云和非地面点云,地面点云的存在会对障碍物聚类造成干扰。点云分割选取随机采样一致性(Random Sample Consensus,RANSAC)方法与最小剪切分割算法进行比较,根据仿真实验结果对比,随机采样一致性方法具有更好的鲁棒性,分割出的非地面点云效果更好,分割处理的速度也更快。在点云聚类方面,针对DBSCAN算法的缺点,采用了Kd-Tree方法和标准化欧式距离方法。加入Kd-Tree方法,使得算法的搜索速度更快,减少了算法在邻域搜索的时间,提高了算法效率;利用标准化欧式距离去替换原有的欧氏距离,使算法计算各个点之间的距离值更加精准,改善了对障碍物点云的聚类效果,提高了算法的准确性。通过在VMware WorkstationPro 15.5.0下搭建Ubuntu系统与PCL仿真环境,对处理后的点云数据进行一系列仿真,将改进后的算法与DBSCAN、欧式聚类、区域生长聚类等算法进行综合对比,聚类后的点云满足障碍物聚类效果,验证了改进后算法的准确性。

关键词：无人车点云聚类点云处理激光雷达

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

应用于无人驾驶车辆的点云聚类算法研究进展

世界科技研究与发展 2021年第3期43卷 274-285页

作者：王子洋李琼琼张子蕴王康杨家富南京林业大学机械电子工程学院南京210037

点云聚类是激光雷达实现无人驾驶汽车环境感知中的关键步骤,其将激光雷达构建的点云地图中离散的点聚类成各个整体,是实现检测的重要前提,也为后续的辨识提供了必要基础。本文将应用于无人驾驶车辆点云聚类中的聚类算法分为六类,分别是... 详细信息

点云聚类是激光雷达实现无人驾驶汽车环境感知中的关键步骤,其将激光雷达构建的点云地图中离散的点聚类成各个整体,是实现检测的重要前提,也为后续的辨识提供了必要基础。本文将应用于无人驾驶车辆点云聚类中的聚类算法分为六类,分别是现有的基于划分的聚类算法、基于层次的聚类算法、基于密度的聚类算法、基于网格的聚类算法、基于距离的聚类算法以及混合聚类算法。在系统分析各种聚类算法基础上,对点云聚类过程中存在的问题、解决方案和性能进行比较分析。考虑到无人驾驶车辆点云聚类的准确性和实时性要求,边缘算法、混合聚类算法和新型聚类算法的结合使用将是无人驾驶车辆点云聚类的研究热点,也是今后无人驾驶车辆点云聚类的研究重点。

关键词：点云聚类激光雷达无人驾驶聚类算法

基于多特征聚类的复杂环境机载点云层次滤波方法

在线全文

学校读者我要写书评

暂无评论

测绘学报 2023年第10期52卷 1724-1737页

作者：郭娇娇陈传法姚喜刘妍刘雅婷刘盼盼山东科技大学测绘与空间信息学院山东青岛266590 山东省基础地理信息与数字化技术重点实验室山东青岛266590 山东省水利勘测设计院有限公司山东济南250013

机载激光雷达(LiDAR)点云滤波是点云数据处理的关键步骤,决定着后续派生品应用的精细程度。针对复杂场景区各种地物的交错性和多态性、地形的突变(断裂)性、相邻地物和地面点高程的相似性等导致的难以区分地物点和地面点瓶颈,本文提出... 详细信息

机载激光雷达(LiDAR)点云滤波是点云数据处理的关键步骤,决定着后续派生品应用的精细程度。针对复杂场景区各种地物的交错性和多态性、地形的突变(断裂)性、相邻地物和地面点高程的相似性等导致的难以区分地物点和地面点瓶颈,本文提出了一种基于多特征聚类的点云层次滤波方法。本文方法首先耦合点云几何和物理信息进行多特征点云聚类,然后发展一种顾及地形断裂的地面点簇识别方法捕捉各类地面点,最后利用捕捉到的地面点构建初始地面参考面,并借助多尺度层次点云滤波方法进一步查找原始点云中的地面点。以4组地形复杂且建筑物和植被混杂区点云数据为试验数据,将本文方法与6种代表性滤波算法对比表明,本文方法的平均总误差最小、滤波性能最优、稳定性最高。

关键词：点云滤波机载LiDAR 点云聚类多特征

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

一种基于目标点云分布特性的动态聚类算法

汽车安全与节能学报 2024年第2期15卷 261-267页

作者：李彩虹何晨阳高锋陈佳欣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

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... 详细信息

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。

关键词：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)

基于车载LiDAR点云的路边地上物多阶段聚类分割算法

在线全文

学校读者我要写书评

暂无评论

地理与地理信息科学 2023年第2期39卷 32-38页

作者：李康弘李永强李佳佳任京智郝道前王治尧河南理工大学测绘与国土信息工程学院河南焦作454000

针对车载LiDAR点云分割存在人工干预多、分割效果不稳定等问题,该文提出一种基于车载LiDAR点云的路边地上物多阶段聚类分割算法。首先使用三维格网和广度优先搜索算法进行点云粗聚类,然后对相连地物进行欧氏聚类,生成若干边界完整的粗... 详细信息

针对车载LiDAR点云分割存在人工干预多、分割效果不稳定等问题,该文提出一种基于车载LiDAR点云的路边地上物多阶段聚类分割算法。首先使用三维格网和广度优先搜索算法进行点云粗聚类,然后对相连地物进行欧氏聚类,生成若干边界完整的粗聚类点云,最后使用多段式近邻搜索逐步得到聚类结果,根据聚类主体和结果的体积比值评估聚合速度,以此自适应调整聚类阈值或输出结果,实现对道路场景中各类路边地上物的聚类分割。实验结果表明,该算法对行道树的正确提取率为87.0%,对路灯、指示牌的正确提取率为91.9%,且过分割/欠分割现象较少,相连地物的聚类结果仍保有完整的边缘轮廓,可保证后续点云处理的有效性。

关键词：车载LiDAR 点云聚类地物提取自适应近邻搜索