[发明专利]目标检测聚类方法、系统、计算机设备及可读存储介质

权利要求书

1.一种外部环境自适应的目标检测聚类方法，其特征在于，包括：

获取激光雷达点云，并对所述激光雷达点云进行预处理；

根据实时外界环境调整邻域半径及密度阈值；

根据所述邻域半径及密度阈值对经预处理的所述激光雷达点云进行类聚处理以生成类聚结果；

根据所述类聚结果进行障碍物检测。

2.如权利要求1所述的目标检测聚类方法，其特征在于，所述根据邻域半径及密度阈值对经预处理的所述激光雷达点云进行类聚处理以生成类聚结果的步骤包括：

S1，在经预处理的所述激光雷达点云中选取一个数据点为中心点；

S2，根据所述邻域半径统计所述中心点所属目标邻域的邻域密度；

S3，根据所述邻域密度及密度阈值对所述目标邻域内的数据点进行分类；

S4，在所述目标邻域内选取另一个未被作为中心点的数据点为新的中心点，进入步骤S2，直至所述目标邻域内不存在未被作为中心点的数据点；

S5，在经预处理的所述激光雷达点云中选取另一个未被作为中心点的数据点为新的中心点，进入步骤S2，直至经预处理的所述激光雷达点云中不存在未被作为中心点的数据点。

3.如权利要求2所述的目标检测聚类方法，其特征在于，所述根据邻域半径统计中心点所属目标邻域的邻域密度的步骤包括：

根据所述邻域半径确定所述中心点的目标邻域；

统计所述目标领域内所包含的点数，以确定中心点的邻域密度。

4.如权利要求2所述的目标检测聚类方法，其特征在于，所述根据邻域密度及密度阈值对目标邻域内的数据点进行分类的步骤包括：

将所述邻域密度与密度阈值进行比对，判断所述邻域密度是否大于或等于所述密度阈值，

判断为是时，则将所述中心点设为核心点，并将所述目标邻域内的其它点设为边界点；

判断为否时，判断所述中心点是否已分类，若所述中心点未分类，则将所述中心点设为噪声点，若所述中心点已分类为边界点，则维持所述中心点为边界点并标记所述中心点不符合核心点判别。

5.如权利要求1所述的目标检测聚类方法，其特征在于，所述根据实时外界环境调整邻域半径及密度阈值的步骤包括：采用查表法查询预设的自适应表，从所述自适应表中提取实时外界环境所对应的邻域半径及密度阈值。

6.如权利要求5所述的目标检测聚类方法，其特征在于，所述自适应表中设有N组自适应数据，每组自适应数据均包括天气类型、工况类型、场景类型、邻域半径及密度阈值，其中，W为天气类型数量，R为工况类型数量，S为场景类型数量。

7.一种外部环境自适应的目标检测聚类系统，其特征在于，包括：

预处理模块，用于获取激光雷达点云，并对所述激光雷达点云进行预处理；

自适应模块，用于根据实时外界环境调整邻域半径及密度阈值；

类聚模块，用于根据所述邻域半径及密度阈值对经预处理的所述激光雷达点云进行类聚处理以生成类聚结果；

检测模块，用于根据所述类聚结果进行障碍物检测。

8.如权利要求1所述的目标检测聚类系统，其特征在于，所述类聚模块包括：

提取单元，用于在经预处理的所述激光雷达点云中选取一个数据点为中心点；

统计单元，用于根据所述邻域半径统计所述中心点所属目标邻域的邻域密度；

分类单元，用于根据所述邻域密度及密度阈值对所述目标邻域内的数据点进行分类。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。