过分析大量激光雷达数据,提出了改进的DBSCAN算法对雷达数据进行聚类,以使智能汽车获得前方道路和障碍物信息。根据不同的密度参数,多次调用该算法完成多密度聚类。结合提出的道路边沿、路面和障碍物等信息提取方法,在结构化或半结构化的城市道路中对提出的方法进行实车试验,结果表明该算法可实时准确的提取智能汽车的可行驶区域信息。i×θ0+arcsinhρ1(θ)=0°T·R3×3+T1×3；λi=ìí-1；i=0表示第0层0；i=1表示第1层1；i=2表示第2层2；i=3表示第3层（1）式中，ρ是雷达原点到扫描点的距离值；θ是激光雷达扫描过的角度值；i分别代表4层激光雷达的层号；ρ1(θ)=0°是智能汽车在水平地面上第1层扫描线扫描角度θ=0°时雷达坐标原点到地面距离值；R3×3为安装旋转矩阵；T1×3为平移矩阵，代表从临时坐标系的原点到车辆坐标系的坐标原点的平移量，可由实际测量得到。图2雷达数据的坐标转换由于雷达安装固定后与车体的姿态时刻一致可行驶区域检测-电动数控滚圆机滚弧机张家港电动滚圆机滚弧机折弯机，因此利用车辆的位姿传感器（如陀螺仪等）测量车辆姿态，得到旋转矩阵R′，利用式（1）对雷达采集到的数据进行预处理，可以很好的处理车辆俯仰及道路结构导致的激光雷达相对俯仰角起伏变化情况。3激光雷达数据处理3.1DBSCAN算法DBSCAN[7]聚类算法是一种经典的基于密度的聚类算法。该算法首先遍历数据集中的每个数据对象，若该数据对象的半径邻域内包含的对象个数不少于给定的阈值本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com，则将该数据对象标记为核心对象点，迭代寻找其附近密度可达的数据对象，标记为同类号形成一个簇，否则将剩余的点标记为噪声点。DBSCAN算法的优点是能够发现任意形状的簇，且对噪声数据点不敏感。该算法需要预先给定领域搜索半径Eps和领域内成为核心对象的最小数据个数MinPts。传统的DBSCAN算法描述为[8]：a.检查输入的数据集合D中未被检查过的数据点p，假如p未被处理过（未标记为某一类或归为噪声），检查p的Eps领域内数据点个数是否大于MinPts，若是，p标记为核心对象，且建立新簇C，将其领域内的直接密度可达点归入此簇。b.检查C中所有未被处理的可行驶区域检测-电动数控滚圆机滚弧机张家港电动滚圆机滚弧机折弯机本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com