王 海 郑正扬 蔡英凤 陈 龙

1.江苏大学汽车与交通工程学院，镇江，212013

2.江苏大学汽车工程研究院，镇江，212013

0 引言

随着人工智能、传感器技术的不断发展，无人驾驶汽车取得了很大的进步。无人车作为轮式机器人的一种，不仅要求能实现自主安全驾驶，还需要保证乘员的舒适性。环境感知作为无人车体系结构的基础，其性能的优劣直接关系到能否达到安全驾驶的需求。环境感知常用的传感器有视觉传感器、激光传感器、惯性导航、GPS定位系统等。激光雷达由于其精度高，受环境影响较小，在无人驾驶汽车中得到了广泛应用。

目前，激光雷达数据处理主要分为两类：一种是直接基于点云的处理方式［1-2］；另一种是基于栅格地图的处理方式［3-8］。栅格地图因其简单稳定，实时性好，故广泛用于无人车环境感知系统［9］。在行车过程中，一些噪声会对检测算法造成影响，所以需要对噪声进行滤除。激光雷达聚类算法是后续数据处理的基础，常用的聚类方法有基于K均值的聚类［10］、基于分层的聚类、基于密度的聚类、基于网格的聚类［11］、基于神经网络的聚类、基于统计学的聚类和高维可视化数据聚类等。在激光雷达聚类算法方面，国内外学者提出了许多方法。甘志梅等［12］采用了基于固定距离阈值的聚类方法，BORGES等［13］提出了一种根据深度值来确定距离阈值的方法。由于激光雷达出射激光束间的角度具有均匀分布的特性，传统的基于固定距离阈值聚类方式的准确性不高，聚类的质量较差，因此本文基于四线激光雷达数据，采用根据深度值来确定聚类距离阈值的方法，并通过匹配激光相邻时间帧点云数据中的障碍物块，对聚类结果进行修正。……