一种用于道路障碍物识别的激光点云聚类算法

• 作 者: 张名芳 刘新雨 付锐 蒋拯民 李星星
• 机 构: 长安大学汽车学院交通运输系,长安大学汽车学院车辆工程系,长安大学汽车运输安全保障技术交通行业重点实验室
• 出 处: 激光与红外
• 发表日期: 2017年9期
• 关键词: K-MEANS算法 激光点云 层次聚类 初始聚类中心 K-means algorithm laser point cloud hierarchical
• 基金项目: 国家自然科学基金项目（No.51178053,No.61374196）,“十二五”国家科技支撑计划项目（No.2014BAG01805）,中央高校基本科研业务费专项资金项目（No.310822161009,No.310822171118,No.310822172001）,教育部长江学者和创新团队发展计划项目（No.IRT1286）,陕西省自然科学基金项目（No.2016JQ5096）资助.

提出一种适用于道路障碍物识别检测的聚类算法,该算法用来处理各向异性分布的激光点云数据。算法的基本思想是：针对点云空间分布的实时变化,提出在线学习合并阈值的层次聚类算法,以确定聚类数搜索范围上界和初始聚类中心的待选点集;然后提出距离乘积最大化方法,对待选点集进行初始化排序,既结合点云的空间密度分布改善了聚类结果,又克服了传统K-means算法初始聚类中心难确定的问题;最后选取Silhouette和距离评价函数为聚类有效性指标分析算法的聚类效果,确定最佳聚类数。用以上自适应、在线学习的算法对2.5D激光雷达采