基于自适应阈值DBSCAN的路侧点云分割算法

针对路侧采集的激光雷达点云数据随距离增大而密度下降导致同一目标的点云被分割成多个目标的问题，提出了一种基于自适应阈值DBSCAN的路侧点云分割算法。首先，使用改进GPF和直通滤波对采集的路侧点云进行过滤，提取出道路区域上的非地面点云；然后，基于有效距离和sigmoid函数构建自适应系数函数，对DBSCAN聚类算法集群生长中近邻点搜索时半径阈值的选取规则进行优化；最后，利用自适应阈值DBSCAN聚类算法对非地面点进行聚类，得到隶属于单个目标的点云。采集了1 055帧真实场景的连续数据进行测试，结果显示：C-H系数平均约增加3倍、D-B系数平均减少4.52%、轮廓系数平均增加77.78%，这表明基于自适应阈值DBSCAN的分割算法能提高点云簇的类内一致性和类间差异性，有效减少路侧激光雷达点云的过分割现象，具有较高的工程应用价值。