基于欧氏聚类的三维激光点云田间障碍物检测方法

文献类型： 中文期刊

第一作者： 尚业华

作者： 尚业华;张光强;孟志军;王昊;苏春华;宋正河

作者机构：

关键词： 农田障碍物检测;三维激光雷达;欧氏聚类;随机采样一致性;K维树

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2022 年 01 期

页码： 23-32

收录情况： EI ; 北大核心 ; CSCD

摘要： 为满足目前农业机械(简称农机)自动驾驶中农田障碍物检测的需求,提出了一种使用三维激光雷达检测田间障碍物的方法。该方法首先对采集的环境点云进行预处理,采用体素栅格下采样滤波,将稠密的点云在不损失特征信息的情况下进行减量;采用三维长方体对角点划定感兴趣区域以便快速计算;采用随机采样一致性(RANSAC)算法检测出农田地面点云,将地面点云与地面上障碍物点云进行分割。然后对地面上障碍物点云基于K维树(K-d tree)进行欧氏聚类,其中聚类的距离阈值为0.6 m。最后判断聚类的点数量和外接长方体体积,过滤掉点数和体积过大或过小的无效聚类从而得出障碍物。应用32线激光雷达在北京市小汤山国家精准农业示范基地采集田间环境点云,分别对田间机具、草堆、田埂、地头矮房、路边树木和田间行人进行检测,结果表明该方法对田间常见障碍物有较好的检测效果。考虑到人是田间行车安全的重要因素,在田间进行了行人横穿于雷达视野前方且与雷达距离分别为5、10、15、20、25、30 m时算法的检测效果试验,试验结果表明田间行人在30 m内平均检出率为96.11%。该方法可用于大田环境下障碍物的检测,为农机自主行走过程中的避障策略研究提供了基础。

分类号： TN958.98`S220

  • 相关文献

[1]基于改进YOLO v3-tiny的全景图像农田障碍物检测. 陈斌,张漫,徐弘祯,李寒,尹彦鑫. 2021

作者其他论文 更多>>

微信小程序