机器学习算法一种适用于提取障碍物点云的DBSCAN聚类算法（ROS costmsp_convert）

文章预览

“  最近在做项目过程中，我们注意到当考虑车体轮廓去进行全局路径规划（如混合A*算法），如果仅仅将障碍物点云数据中得每一个点只当成点，会造成较大的计算时间，如若将点云聚类成圆形 线型 多边形障碍物 会提高计算效率，这是其中一个原因，另一个原因是，我们需要知道障碍物的大小，障碍物大小程度决定了我们的动态避障的方法和策略。因此我根据costmap_conventer 进行了脱ROS处理，删除了一些暂时不用的逻辑，方便项目中使用。 ” 带噪声的基于密度的空间聚类（DBSCAN）是一种 数据聚类 算法，由 Martin Ester 、 Hans-Peter Kriegel 、 Jörg Sander 和 Xiaowei Xu 于 1996 年提出。 它是一种 基于密度的聚类 非参数算法：给定某个空间中的一组点，它将紧密堆积的点（具有许多 附近邻居的 点）组合在一起，并将单独位于低密度区域（其最近邻居太远的 ………………………………