王子洋 李琼琼 张子蕴 王 康 杨家富

（南京林业大学机械电子工程学院，南京210037）

随着近年来人工智能的快速发展，无人驾驶汽车的出现引发了各界人士的大量关注，这将对传统汽车行业形成巨大的冲击。无人驾驶车辆通过多种车载传感器来识别车辆所处的周边环境和状态，并根据所获得的环境信息自主做出分析和判断，从而自主地控制车辆运动，最终实现无人驾驶。其中，环境感知[1]、导航定位、路径规划[2，3]、决策控制[4]是无人驾驶汽车的四大核心技术[5]。环境感知是用来获取周围环境信息的，是实现无人驾驶的基础[6]。目前主流的有以谷歌为代表采用激光雷达的方案和以特斯拉为代表采用视觉的方案。点云聚类是环境感知重要部分之一，其利用激光雷达对点云进行聚类分割，同时也为点云分类奠定了重要基础。点云聚类算法是人工智能和无人驾驶领域中新型的算法，该算法不仅是研究热点还得到了广泛的推广。经典的点云聚类算法也包括 K-means算法[7]、DBSCAN算法[8]等。

无人驾驶汽车通过激光雷达发射出的激光束对周围环境进行旋转扫描形成的点云图，每个点都会有相应的坐标位置信息，点云聚类的任务就是将点云图中的各个点云聚类成若干个整体，具有相似程度的对象构成一组，降低后续计算的计算量，也有利于后续的聚类。目前在无人驾驶汽车的研发中，点云聚类主要应用于对障碍物、道路、行人等方面检测。其中绝大多数是研究在结构化道路上的检测问题，而非结构化道路上的检测问题还有待进一步深入研究。……