基于改进欧式聚类的三维激光雷达点云目标分割方法

随着科学技术的发展,智能驾驶系统逐渐成为许多学者研究的目标.在这一研究领域中,激光雷达技术已经得到了广泛的应用,其中目标分割在智能车辆对周围环境的识别过程中起着重要作用.由于在对点云进行聚类分割时对相邻目标容易出现欠分割问题,针对这一问题本文提出了一种基于欧式聚类算法的改进方法.首先对点云数据进行预处理,包括下采样和地...     

基于优化DBSCAN的激光雷达障碍物检测

针对激光雷达在检测道路障碍物的过程中,由点云数据密度不均而导致障碍物检测准确率低和实时性差的问题,提出一种优化的密度噪声空间聚类（DBSCAN）算法以提高道路障碍物的聚类效果。首先依据点云数据的反射强度信息对车道线进行检测,提取感兴趣区域;然后使用射线坡度阈值地面分割算法进行地面分割,实现对斜坡地面的彻底分割;最后提出一种自适应的DBSCAN算法,选取代表性的核心点以及自适应聚类半径,实现对不同距离密集障碍物的快速准确聚类。实验结果表明：所提算法能够对不同距离的密集障碍物准确聚类;与传统算法相比,所提算法的正检率提高24.07个百分点,平均耗时减少1.18 s。     

一种改进的模糊C均值聚类算法研究

在图像分割过程中采用FCM算法对颜色进行聚类时使用的欧氏距离不能取得好的聚类效果,本文介绍一种改进的基于HIS模型下欧氏距离计算方法,该方法对颜色聚类能取得良好的效果.     

基于改进演化策略的图像FCM聚类分割方法

提出图像分割算法在充分利用演化策略全局搜索能力的基础上，根据图像的灰度分布，按照模糊聚类的分割策略实现图像的分割。为了保证搜索到更优解，提出了一种新的演化策略改进方法，以提高其全局寻优能力，并将其应用到分割算法。实验结果表明，算法的分割效果很好。     

基于最小欧氏距离的真彩色夜视光谱划分方法

为了得到忠于人眼视觉特性的真彩色夜视图像，根据典型目标夜间光谱特性以及微光夜视系统的成像模型，基于最小欧氏距离原理，提出了一种三波段真彩色夜视光谱划分方法。设置了实验室场景和室外场景，对本文中提出的光谱划分方法与传统光谱划分方法进行了对比实验，并对得到的真彩色夜视图像细节(空间频率)做了分析。结果表明，相对于原始微光图像，空间频率分别提高了61.2%，52.0%;本文中的方法对于典型目标(绿色草木)具有更好的彩色还原效果; 基于最小欧氏距离的光谱划分方法可将夜间可见光分离为三波段，并可有效利用其光谱信息，得到对于典型目标的具有自然感彩色且较原始微光图像信息量更为丰富的真彩色夜视图像。     

基于改进K-means聚类的配电网工程数据预处理算法设计

针对传统配电网工程数据的预处理方法较为依赖电力工程师专业知识,工作效率低且难以保证准确率等问题,提出了基于改进K-means聚类的配电网工程数据预处理算法。该算法通过对原始数据进行标准化处理来消除量纲对数据的影响,采用改进K-means算法对处理后的数据实现聚类分析。同时根据计算相似性的方式优化聚类结果,并利用线性回归分析对聚类结果加以处理得到最终结果。实验结果说明,文中方法对配电网工程数据的测算误差低于8.01%,相较于传统对照组方法具有显著优势。利用该文所提算法对配电网工程的各类相关数据进行深入的挖掘分析,能够为电力工程的精准推进提供有效的数据支撑。     

基于聚类思想的红外弱小目标检测

针对复杂背景下尺寸未知的红外弱小目标检测难题,一种基于聚类思想的红外弱小目标检测方法被提出。首先,利用小目标形态学特征对原始红外图像进行预处理,生成新的密度特征图。其次,使用改进的密度峰聚类算法对潜在候选目标进行粗定位。然后,针对潜在目标的局部候选集,采用加权模糊集聚类算法对局部候选集进行目标与背景区域的精细分割,利用目标与背景之间的差异性在增强目标的同时抑制虚警。最后,对处理后的局部候选集进行自适应阈值提取真实目标。实验结果表明,与7种对比算法相比,该算法对尺寸未知的小目标具有良好的鲁棒性和检测性能。     

基于点云簇组合特征的激光雷达地面分割方法

针对三维激光雷达在地面分割过程中存在分割不足和过分割的问题,提出一种基于点云簇组合特征的激光雷达地面分割方法.首先将三维点云投影到扇形栅格中进行连通域聚类,将梯度相差较小的栅格聚为一类.然后根据路面点云符合平面和直线几何特征的特点,对每一簇进行特征值计算以挑选路面栅格簇的候选簇,接着对其进行径向方向上的梯度检查以剔除误...     

基于颜色聚类的多光谱激光雷达点云去噪

多光谱激光雷达可以直接有效地获取包含光谱信息的激光点云,已成为激光雷达成像技术发展的新趋势.这种新型的多光谱激光雷达所获取的点云具有更丰富的光谱和色彩信息,同时也对点云的数据质量提出了更高的要求,其中点云去噪成为提高数据质量的关键.传统的单色点云去噪算法主要是利用空间信息对噪声进行去除,但是不适用于多光谱激光雷达点云....     

基于三维激光雷达的道路障碍物目标位姿检测算法

提出一种基于随机采样一致(RANSAC)的道路障碍物目标位姿检测算法,利用这一算法对道路障碍物目标进行检测,构建目标障碍物的盒模型,输出盒模型的位姿信息。引入扇形盒分割方法,改进地面分割模块,使用基于激光雷达参数的自适应阈值方法改进聚类分割模块。基于三种激光雷达数据集进行实验验证,本文算法能够准确地对道路障碍物进行位姿信息检测,且具有较高的实时性。相较于最小包围矩形法及三点估计法,本文算法的准确度分别提升8.14%、6.57%,检测时间分别缩短23.81%、24.71%。     

K平面聚类算法的模糊改进及其鲁棒性研究

该文针对K平面聚类算法KPC (K-Plane Clustering)对噪声点敏感的缺陷,通过引入隶属度约束函数,推导出鲁棒的改进分割K平面聚类算法IFP-KPC(Improved Fuzzy Partitions for K-Plane Clustering),并利用Voronoi距离对IFP-KPC算法的鲁棒性进行了合理解释。实验结果表明IFP-KPC算法较之于KPC算法具有更好的聚类效果。     

基于粗糙集的图像聚类分割方法研究

结合粗糙集理论和K-均值聚类算法,提出了一种图像分割方法。将原图像按等价关系进行划分,基于属性约简的概念对不同区域按照不可分辨关系分类。分割结果表明,文中方法是一种有效的图像分割方法,具有良好的鲁棒性。     

基于改进海明距离的二元表示聚类研究

文中提出了一种二元表示聚类方法。首先,将要研究的实体以属性串的方式表达,并通过二元树转化为二进制串。其次,采用改进的海明距离代替欧氏距离计算二进制串之间的相似度。该方法通过属性加权,使计算结果更加贴近现实,并将实体以‘01’编码方式表示,简化了计算,提升了运算效率。最后,选取1796家上市公司的73个财务指标进行实验,结果表明,该方法对海量数据的处理表现良好。     

一种基于DFC聚类算法的图像分割方法

图像分割是一种重要的图像技术,在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类很多,有些分割运算可直接应用于任何图像,而另一些只能适用于特殊类别的图像。目前,图像分割的方法层出不穷。其中,最具代表性的图像分割算法是基于FCM聚类算法的图像分割方法。然而FCM聚类算法从理论上来说存在着聚类数目无法自动确定及运算的开销太大的缺点,因而限制了这种方法的应用。针对其不足,本文将FCM聚类算法引入到图像分割方法中。数值实验结果显示：新方法分割图像的效果是良好的。     

基于改进密度聚类算法的天体光谱自动分类处理

随着我国大型巡天计划的迅速开展,海量天体光谱数据分类,尤其高效的自动化分类技术成为了我们迫切研究的重要课题.本文提出了根据密度可达原则,改进的密度聚类算法——哈曼顿距离密度算法(MD-DBSCAN),应用于多种我们熟知的光谱中.针对来源于美国SDSS-DR8的天体光谱数据,对比DBSCAN、NED-DBSCAN、MD-DBSCAN三种算法的相关性能表现对比,得出相应的结论。     

基于粗糙集的图像聚类分割方法研究

结合粗糙集理论和K2均值聚类算法,提出了一种图像分割方法。将原图像按等价关系进行划分,基于属性约简的概念对不同区域按照不可分辨关系分类。分割结果表明,文中方法是一种有效的图像分割方法,具有良好的鲁棒性。     

基于模糊聚类的改进模糊辨识方法

针对以往模糊建模方法不能很好优化模糊模型输入空间的问题,本文提出了一种基于新的目标函数的模糊聚类方法,从而使模型的输入输出空间映射空间具有逼近实际输出的能力,从而达到优化模型结构的目的.仿真实例表明,该方法能够辨识非线性系统,能显著提高建模的精度.     

融合激光雷达与视觉信息的小型障碍物测量方法

激光雷达相比于视觉传感器具有抗干扰能力强、测量精度高的优势.针对多线激光雷达距离小型障碍物较远时点云数据稀疏、难以进行精确测量的问题,将YOLO与HSV空间颜色直方图匹配结合进行远距离的目标检测,在机器人运动过程中,当检测区域内的激光数据量满足要求时,根据传感器标定结果对此时的激光雷达数据进行聚类、特征点提取与关键参量...