文献类型：期刊文章

作　　者：张名芳[1] 刘新雨[2] 付锐[1,3] 蒋拯民[2] 李星星[2]

机构地区：[1]长安大学汽车学院交通运输系,陕西西安710064 [2]长安大学汽车学院车辆工程系,陕西西安710064 [3]长安大学汽车运输安全保障技术交通行业重点实验室,陕西西安710064

出　　处：《激光与红外》

基　　金：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.2014BAG01B05);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

年　　份：2017

卷　　号：47

期　　号：9

起止页码：1186-1192

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：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激光雷达采集的点云数据进行聚类,并与其他两种聚类算法进行实际试验比较发现,本算法可以正确分割大多数空间分布各异且相互连接的障碍物。

关 键 词：K-MEANS算法 激光点云 层次聚类 初始聚类中心

分 类 号：TN958.98] TP391.4]