【摘要】：行人檢測過程中原始DBSCAN算法不能正確地對密度不均勻的激光點云聚類,產(chǎn)生錯誤的聚類結果導致行人檢測系統(tǒng)出現(xiàn)誤檢和漏檢。為解決這一問題,基于激光雷達的行人檢測系統(tǒng)在原始密度聚類算法DBSCAN的基礎上提出了分區(qū)DBSCAN算法。該算法將密度不均勻的點云數(shù)據(jù)劃分為若干個密度相對均勻的分區(qū),從而能實現(xiàn)對行人的快速準確檢測。實驗結果表明原始DBSCAN算法行人檢測率為62.47%,使用分區(qū)DBSCAN算法的激光雷達行人檢測系統(tǒng)行人檢測率達到82.21%,相對于原始DBSCAN算法檢測精度提高了19.74%;而且在時間消耗上也比原始DBSCAN算法降低了16.22%。
[Abstract]:In the process of pedestrian detection, the original DBSCAN algorithm can not correctly cluster the laser point cloud with uneven density, which leads to false detection and missed detection in pedestrian detection system. In order to solve this problem, based on the original density clustering algorithm (DBSCAN), a partition DBSCAN algorithm is proposed for pedestrian detection system based on lidar. In this algorithm, the point cloud data with uneven density can be divided into several areas with relatively uniform density, so that the pedestrian can be detected quickly and accurately. The experimental results show that the pedestrian detection rate of the original DBSCAN algorithm is 62.47, and the pedestrian detection rate of the lidar pedestrian detection system using the partitioned DBSCAN algorithm is 82.21, which improves the detection accuracy by 19.74 compared with the original DBSCAN algorithm. Moreover, the time consumption is 16.22% lower than the original DBSCAN algorithm.
【作者單位】： 長安大學汽車學院;
【基金】：長江學者和創(chuàng)新團隊發(fā)展計劃項目(IRT1286) 陜西省自然科學基金(2016JQ5096) 中央高�；究蒲袠I(yè)務費專項資金(10822151028,310822172001)資助
【分類號】：TN958.98;TP311.13

【參考文獻】

相關期刊論文 前9條

1 吳偉民;黃煥坤;;基于差分隱私保護的DP-DBScan聚類算法研究[J];計算機工程與科學;2015年04期

2 張曉;;基于并查集的DBSCAN算法設計[J];伊犁師范學院學報(自然科學版);2014年04期

3 盧志茂;馮進玫;范冬梅;楊朋;田野;;面向大數(shù)據(jù)處理的劃分聚類新方法[J];系統(tǒng)工程與電子技術;2014年05期

4 蔡岳;袁津生;;基于改進DBSCAN算法的文本聚類[J];計算機工程;2011年12期

5 于亞飛;周愛武;;一種改進的DBSCAN密度算法[J];計算機技術與發(fā)展;2011年02期

6 袁夏;趙春霞;;一種應用于機器人導航的激光點云聚類算法[J];機器人;2011年01期

7 關超華;陳泳丹;陳慧巖;龔建偉;;基于改進DBSCAN算法的激光雷達車輛探測方法[J];北京理工大學學報;2010年06期

8 馮少榮;肖文俊;;基于密度的DBSCAN聚類算法的研究及應用[J];計算機工程與應用;2007年20期

9 周水庚,周傲英,曹晶;基于數(shù)據(jù)分區(qū)的DBSCAN算法[J];計算機研究與發(fā)展;2000年10期

相關碩士學位論文 前1條

1 萬忠濤;基于激光雷達的道路與障礙檢測研究[D];國防科學技術大學;2010年

【共引文獻】

相關期刊論文 前10條

1 宋柱;付銳;張名芳;劉新雨;;分區(qū)基于密度的聚類算法在激光雷達行人檢測系統(tǒng)中的應用[J];科學技術與工程;2017年18期

2 段建民;任璐;王昶人;劉丹;;基于四線激光雷達的道路信息提取與目標檢測[J];激光雜志;2017年06期

3 秦緒華;王秋平;陳志強;;基于改進k-means算法的電站最優(yōu)外部運行工況劃分[J];熱力發(fā)電;2017年06期

4 孫昊;張明新;戴嬌;尚趙偉;;基于網(wǎng)格的快速搜尋密度峰值的聚類算法優(yōu)化研究[J];計算機工程與科學;2017年05期

5 王榮榮;傅秀芬;;一種改進的m_(pts)-HDBSCAN算法[J];廣東工業(yè)大學學報;2017年03期

6 陳廣勝;程逸群;景維鵬;;基于KD樹劃分的云計算DBSCAN優(yōu)化算法[J];計算機工程;2017年04期

7 劉巖;王存睿;;基于抽樣融合改進的大數(shù)據(jù)聚類方法[J];微電子學與計算機;2017年04期

8 王媛媛;李翔;;基于人口統(tǒng)計學的改進聚類模型協(xié)同過濾算法[J];計算機科學;2017年03期

9 陳繼峰;劉廣聰;彭成平;;一種改進的無線傳感器網(wǎng)絡DV-Hop定位算法[J];廣東工業(yè)大學學報;2017年02期

10 王曉燕;鄒堅敏;裘晨露;鄧毅萍;;基于數(shù)據(jù)挖掘的交通事故信息綜合分析研判系統(tǒng)構建研究[J];中國公共安全(學術版);2016年04期

相關碩士學位論文 前10條

1 李龍杰;基于四線激光雷達的道路信息提取技術研究[D];北京工業(yè)大學;2016年

2 崔熠明;基于激光雷達的智能車防撞預警系統(tǒng)研究[D];吉林大學;2016年

3 嚴征;無人車的道路邊界檢測研究[D];西安工業(yè)大學;2016年

4 喬佳楠;基于二維激光雷達的無人運動平臺環(huán)境感知方法研究[D];北京理工大學;2016年

5 劉柏楠;道路坡度及車輛質量自適應的自主駕駛車輛縱向速度控制研究[D];吉林大學;2015年

6 張子君;社會群優(yōu)化算法及其在機器人導航中的應用[D];華東理工大學;2014年

7 胡金輝;基于多源融合的行人檢測方法研究[D];吉林大學;2013年

8 張雙喜;基于雷達與相機的無人駕駛智能車障礙物檢測技術研究[D];長安大學;2013年

9 丁磊;基于16位單片機MC9S12XS128的兩輪自平衡智能車的系統(tǒng)研究與開發(fā)[D];長安大學;2013年

10 楊光祖;基于多種激光雷達數(shù)據(jù)融合的障礙檢測技術的研究[D];北京工業(yè)大學;2013年

【二級參考文獻】

相關期刊論文 前10條

1 李楊;郝志峰;溫雯;謝光強;;差分隱私保護k-means聚類方法研究[J];計算機科學;2013年03期

2 陳海明;崔莉;謝開斌;;物聯(lián)網(wǎng)體系結構與實現(xiàn)方法的比較研究[J];計算機學報;2013年01期

3 ;Adaptive monopulse beamforming with partial parallel structure[J];Journal of Systems Engineering and Electronics;2012年06期

4 李楊;溫雯;謝光強;;差分隱私保護研究綜述[J];計算機應用研究;2012年09期

5 賈建華;焦李成;;空間一致性約束譜聚類算法用于圖像分割[J];紅外與毫米波學報;2010年01期

6 李莉平;沈俊媛;;基于數(shù)據(jù)挖掘的DBSCAN算法及其應用[J];科技創(chuàng)業(yè)月刊;2009年08期

7 夏魯寧;荊繼武;;SA-DBSCAN:一種自適應基于密度聚類算法[J];中國科學院研究生院學報;2009年04期

8 劉志勇;耿新青;;基于模糊聚類的文本挖掘算法[J];計算機工程;2009年05期

9 索紅光;王玉偉;;基于參考區(qū)域的k-means文本聚類算法[J];計算機工程與設計;2009年02期

10 馬秀麗;焦李成;;基于分水嶺-譜聚類的SAR圖像分割[J];紅外與毫米波學報;2008年06期

相關碩士學位論文 前3條

1 劉釗;多傳感器時空一致及其信息融合技術研究[D];國防科學技術大學;2008年

2 吳維一;激光雷達及多傳感器融合技術應用研究[D];國防科學技術大學;2006年

3 劉春明;基于多掃描線式激光雷達的環(huán)境理解技術研究[D];國防科學技術大學;2006年

【相似文獻】

相關期刊論文 前10條

1 ;Scaling up the DBSCAN Algorithm for Clustering Large Spatial Databases Based on Sampling Technique[J];Wuhan University Journal of Natural Sciences;2001年Z1期

2 岳士弘,李平,郭繼東,周水庚;Using Greedy algorithm: DBSCAN revisited II[J];Journal of Zhejiang University Science;2004年11期

3 蔡穎琨,謝昆青,馬修軍;屏蔽了輸入?yún)?shù)敏感性的DBSCAN改進算法[J];北京大學學報(自然科學版);2004年03期

4 宋明,劉宗田;基于數(shù)據(jù)交疊分區(qū)的并行DBSCAN算法[J];計算機應用研究;2004年07期

5 熊忠陽,孫思,張玉芳,王秀瓊;一種基于劃分的不同參數(shù)值的DBSCAN算法[J];計算機工程與設計;2005年09期

6 何中勝;劉宗田;莊燕濱;;基于數(shù)據(jù)分區(qū)的并行DBSCAN算法[J];小型微型計算機系統(tǒng);2006年01期

7 李杰;賈瑞玉;張璐璐;;一個改進的基于DBSCAN的空間聚類算法研究[J];計算機技術與發(fā)展;2007年01期

8 馮少榮;肖文俊;;基于密度的DBSCAN聚類算法的研究及應用[J];計算機工程與應用;2007年20期

9 譚穎;胡瑞飛;殷國富;;多密度閾值的DBSCAN改進算法[J];計算機應用;2008年03期

10 馮少榮;肖文俊;;一種提高DBSCAN聚類算法質量的新方法[J];西安電子科技大學學報;2008年03期

相關會議論文 前8條

1 馬帥;宋國杰;唐世渭;楊冬青;王騰蛟;;基于單元劃分的DBSCAN聚類算法[A];第十九屆全國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2002年

2 朵春紅;王翠茹;;基于取樣的DBSCAN聚類算法及其遺傳優(yōu)化[A];第一屆中國高校通信類院系學術研討會論文集[C];2007年

3 龐洋;李海林;郭義喜;;基于DBSCAN算法的日志信息聚類研究[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

4 宮蕊;舒紅平;郭遠遠;;基于DBSCAN的密度聚類算法的研究[A];2008'中國信息技術與應用學術論壇論文集（二）[C];2008年

5 張健沛;許慧;楊靜;崔洪晶;;基于數(shù)據(jù)分區(qū)、QR~*-樹的并行DBSCAN算法[A];2006北京地區(qū)高校研究生學術交流會——通信與信息技術會議論文集（下）[C];2006年

6 Yi-Chun Xu;Man Zhu;Zunhai Ke;Yong Liu;Suifa Sun;;Isolating Ships from Shape Curve with DBSCAN[A];第25屆中國控制與決策會議論文集[C];2013年

7 范曄;周水庚;曹晶;周傲英;;通過數(shù)據(jù)取樣擴展基于密度的聚類算法[A];第十六屆全國數(shù)據(jù)庫學術會議論文集[C];1999年

8 曹晶;周水庚;范曄;周傲英;;數(shù)據(jù)分區(qū):一種改善基于密度的聚類算法的方法[A];第十六屆全國數(shù)據(jù)庫學術會議論文集[C];1999年

相關碩士學位論文 前10條

1 陸穎華;基于局部敏感哈希的DBSCAN算法研究[D];南京信息工程大學;2015年

2 汪洋;采用DBSCAN聚類的自適應步長細菌覓食算法[D];南京師范大學;2015年

3 崔熠明;基于激光雷達的智能車防撞預警系統(tǒng)研究[D];吉林大學;2016年

4 邵夢汝;基于鐵路客票信息的旅客購票行為分析[D];西南交通大學;2016年

5 韓梅;基于改進DBSCAN的復雜工業(yè)過程建模數(shù)據(jù)異常點檢測研究[D];天津工業(yè)大學;2016年

6 劉聰;基于SPARK平臺的LAMOST早M型光譜聚類的研究[D];山東大學;2016年

7 馮振華;基于DBSCAN聚類算法的研究與應用[D];江南大學;2016年

8 田路強;基于DBSCAN的分布式聚類及增量聚類的研究與應用[D];北京工業(yè)大學;2016年

9 李宗林;基于DBSCAN的自適應聚類算法研究[D];長沙理工大學;2015年

10 劉宏超;基于DBSCAN的文本聚類算法研究[D];江西財經(jīng)大學;2016年

，

本文編號：2345044