文献类型：期刊文章

作　　者：孔栋[1] 王晓原[1,2] 刘亚奇[1] 陈晨[1] 王方[1]

机构地区：[1]山东理工大学交通与车辆工程学院智能交通研究所,淄博255049 [2]清华大学汽车安全与节能国家重点实验室2,北京100084

出　　处：《科学技术与工程》

基　　金：汽车安全与节能国家重点实验室开放基金(KF16232); 国家自然科学基金(61074140,61573009,51508315,51608313); 山东省自然科学基金(ZR2014FM027,ZR2016EL19); 山东省社会科学规划研究项目(14CGLJ27); 山东省高等学校科技计划(J15LB07)资助

年　　份：2018

卷　　号：18

期　　号：5

起止页码：81-85

语　　种：中文

收录情况：BDHX、BDHX2017、RCCSE、ZGKJHX、核心刊

摘　　要：针对结构化道路环境中智能车识别周围360°范围内的车辆目标问题,由车载3D激光雷达采集的道路环境中车辆目标点云数据投影特征,提出识别车辆目标新算法。算法首先识别结构化道路边界,进而排除道路边界两旁障碍物的干扰和减少点云数据量;其次按雷达点云数据扫描和分布特征,利用改进K-means算法对道路区域内点云数据聚类。最后提取聚类目标内部特征点,并通过计算特征点构成向量的夹角或模的长度准确识别车辆目标。实验验证表明,该算法有效抑制了道路边界两旁障碍物的干扰,可以准确识别结构化道路区域内的车辆目标。

关 键 词：交通安全 激光雷达 改进K-means聚类  车辆目标识别  

分 类 号：TP242.6]