基于优化DBSCAN算法的激光雷达障碍物检测

基于优化DBSCAN算法的激光雷达障碍物检测

蔡怀宇1,2，陈延真1,2*，卓励然1,2，陈晓冬1,2

【摘 要】摘要：在激光雷达障碍物检测中，由于数据密度分布不均匀，传统DBSCAN聚类算法无法同时对近距离和远距离目标实现良好聚类，容易导致漏检和误检。为了解决这个问题，改进了传统DBSCAN算法聚类邻域半径ε参数的选值方法，不同于传统DBSCAN算法在聚类过程中使用统一的聚类邻域半径，而是调整为根据目标距离变化而变化的自适应聚类邻域半径。首先根据激光雷达扫描线分布求出相邻两条扫描线的间距建立ε*列表，然后依据每个扫描点的坐标值在列表中查找出对应的列表值，最后通过线性插值法确定对应的邻域半径。福特数据集的实验结果表明，优化之后的DBSCAN算法无论是对近距离目标还是远距离目标，其聚类效果均得到明显改善。与传统算法相比，障碍物检测正检率提高了17.52%。 【期刊名称】光电工程 【年(卷),期】2019(046)007 【总页数】8

【关键词】障碍物检测；聚类；DBSCAN算法；邻域半径

1 引 言

近年来，障碍物检测已经成为无人驾驶环境感知技术的重要研究领域[1]，快速、准确检测车辆前方的障碍物，对智能车的安全行驶具有十分重要的意义[2]。典型的障碍物检测方法主要有基于视觉传感器和雷达传感器的两大主流方法[3]，前者通常会受到外界光照、阴影以及复杂背景光的影响，且障碍物深度信息获取较为复杂，实时性难以满足[4]。而后者不易受外界环境条件影响、抗干扰性