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
Robot(2020)
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.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要