FAILED
首站-论文投稿智能助手
典型文献
基于改进DBSCAN算法的激光雷达水面目标检测
文献摘要:
激光雷达点云是一种目标近距离密度大、远距离密度小的不均匀点云.DBSCAN聚类算法有邻域值ε和密度阈值Minpts两个重要参数,参数的选取比较困难.传统的DBSCAN算法,采用固定的邻域值ε和密度阈值Minpts难以对全部数据实现良好聚类,对密度不均匀的激光雷达点云数据集会出现近距离的目标欠分割、远距离的目标漏检的情况.针对上述两个问题,提出了一种自适应参数的改进DBSCAN算法,对每一个不同的点云数据采用独立的ε进行聚类.确定激光雷达相邻两根扫描线距离,再乘以相应的点云距离作为每一个点云的邻域值ε.计算点云每一个点的包含在ε邻域内的点数,统计点数的期望作为Minpts.通过统计近距离出现过分割或视为噪声的目标点云,计算其邻域值ε的最大值获得邻域值下限,防止近距离点云邻域值过小导致过分割的情况.仿真结果表明:改进的DBSCAN算法,既能够区分出近距离的障碍物,也可以对远距离的目标进行聚类.
文献关键词:
水面点云;激光雷达;目标检测;DBSCAN聚类;邻域值;密度阈值
作者姓名:
叶晟;徐海祥;冯辉
作者机构:
高性能船舶技术教育重点实验室 武汉 430063;武汉理工大学船海与能源动力工程学院 武汉 430063
引用格式:
[1]叶晟;徐海祥;冯辉-.基于改进DBSCAN算法的激光雷达水面目标检测)[J].武汉理工大学学报(交通科学与工程版),2022(01):89-93,99
A类:
邻域值,水面点云
B类:
DBSCAN,面目标,目标检测,激光雷达点云,近距离,远距离,聚类算法,密度阈值,Minpts,重要参数,点云数据,集会,漏检,自适应参数,两根,扫描线,乘以,一个点,标点,下限,分出,障碍物
AB值:
0.202381
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。