[发明专利]一种基于自适应聚类分析的行人检测系统及方法

权利要求书

1.一种基于自适应聚类分析的行人检测系统，包括相互连接的激光测距仪和微机部分；激光测距仪：用于发出激光束，并获取经障碍物反射后的激光信号，形成激光云点数据；其特征在于，所述微机部分包括：

激光扫描器模块，用于建立激光云点数据采集系统，实时的控制激光云点数据的采集，形成激光云点数据报文；

激光数据预处理模块，用于对激光云点数据报文的解析，激光云点数据坐标转换和剔除冗余激光云点数据；

行人检测模块，用于使用自适应聚类算法对预处理后的激光云点数据进行聚类分析，完成所有激光云点数据的分类、聚类中心的计算以及标示；

行人甄别模块，用于寻找各个聚类的左右边界，统计出各聚类的宽度距离，从而甄别出行人目标。

2.根据权利要求1所述的基于自适应聚类分析的行人检测系统，其特征在于，激光测距仪安装于车辆前方正中央，垂直地面距地距离约50cm。

3.根据权利要求1所述的基于自适应聚类分析的行人检测系统，其特征在于，所述激光测距仪扫描角度为0～180度，扫描频率为25Hz，角度分辨率为0.25度。

4.一种基于自适应聚类分析的行人检测方法，包括以下步骤：

（1）采集前方障碍物的激光云点数据，并且形成激光云点数据报文，然后将激光云点数据报文存入缓存区；

（2）对存入缓存区的激光云点数据报文进行预处理，解析出激光云点数据报文中的激光云点数据，对激光云点数据的坐标进行转换，并剔除冗余数据；

（3）采用自适应聚类算法对步骤（2）预处理后所保留的激光云点数据进行聚类分析：

（3-1）逐点扫描选取不为零的激光云点数据，利用第一个不为零的激光云点数据建立第一个聚类class_1，并将该激光云点作为第一个聚类class_1的聚类中心；

（3-2）设定一个阈值，并依次计算每个不为零的激光云点数据与已存在的聚类中心的欧式距离，寻找与该激光云点欧式距离最近的聚类中心及该聚类中心对应的聚类；然后比较最近欧式距离值与阈值的大小：

若最近欧式距离值大于阈值，则利用该激光云点建立一个新聚类，并将该激光点作为新聚类的聚类中心；

若最近欧式距离值小于阈值，则先将该激光云点归类到与此欧式距离最近的聚类中心对应的聚类中，然后根据该聚类中的所有激光云点数据来更新该聚类中心；

（3-3）重复上述（3-2）步骤，直到完成所有激光云点的分类，以及所有聚类中心的计算；

（4）根据各聚类中心寻找各聚类的左右边界，统计出各聚类的宽度距离，设定一个阈值范围[a，b]，确定各聚类的宽度距离是否在阈值范围[a，b]内；若是，则该聚类为行人目标；否则为非行人目标。

5.根据权利要求4所述的基于自适应聚类分析的行人检测方法，其特征在于，所述步骤（2）中将极坐标类型转换为笛卡尔坐标系类型；具体转换关系如下：

x_j=ρ_jcosθ_j，j=1,2，3...，

y_j=ρ_jsinθ_j，j=1,2，3...；

其中x_j和y_j是第j个激光云点对应的笛卡尔坐标；其中ρ_j指的是极坐标中激光云点到原点的距离，θ_j指极坐标中第j个激光云点与极轴的夹角。

6.根据权利要求5所述的基于自适应聚类分析的行人检测方法，其特征在于，所述步骤（2）将极坐标中与极轴夹角为0～45度以及135～180度之间的激光云点数据删除，以将冗余数据剔除。

7.根据权利要求5所述的基于自适应聚类分析的行人检测方法，其特征在于，所述步骤（3）各激光云点归类时，分别对归类到各聚类的激光云点的标志位进行设置，其中将归类到第一个聚类class_1中的激光云点标志位设置为obstacle=1，将归类到第n个聚类class_n，n=2，3，4...中的激光云点标志位设置为obstacle=n，其中每个激光云点标志位的初始值为零。