买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东大学申请的专利一种基于无监督算法的锥桶障碍物聚类和处理方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116311165B 。

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310272992.2，技术领域涉及：G06V20/58；该发明授权一种基于无监督算法的锥桶障碍物聚类和处理方法是由房明;贺泽宇;王庚霖;刘益;王文涛;吴承臻设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本一种基于无监督算法的锥桶障碍物聚类和处理方法在说明书摘要公布了：本发明涉及一种基于无监督算法的锥桶障碍物聚类和处理方法，属于无人驾驶技术领域，包括步骤：通过激光雷达获得包含2048个点的点云数据；对点云数据进行噪声滤波；将点云数据进行降维处理；采用无监督K‑means聚类算法输出点云聚类中心，即为锥桶中心点。本发明通过PCA算法和矩阵变换法，将点云数据进行变换，映射到特征更明显的空间内，将映射后的特征作为主要的聚类依据进行实车上的障碍物检测，提高了算力优先情况下的聚类精准度；通过无监督的算法，基于激光雷达返回的大批量点云数据，由ROS无人车自动做出对锥桶中心的精准聚类和定位，无需额外的人工干预，不受到光照因素影响。

本发明授权一种基于无监督算法的锥桶障碍物聚类和处理方法在权利要求书中公布了：1.一种基于无监督算法的锥桶障碍物聚类和处理方法，其特征在于，包括如下步骤： S1：通过激光雷达获得包含2048个点的点云数据； S2：对点云数据进行噪声滤波； S3：将点云数据进行降维处理； S4：采用无监督K-means聚类算法输出点云聚类中心，即为锥桶中心点； 步骤S4具体为： S41：通过手肘法，通过无监督算法，自动确定点云簇簇数k： 定义分类误差函数为E，即误差平方和函数： 其中，z为输入的样本集，z＝{z1,z2,z3,...zm}；k为聚类的簇数；Cj为输出的点云簇，j为1～k的整数，μj为初始的聚类中心，其中j为1～k的整数，即{μ1,μ2,μ3,...μk}； 随着机器学习过程中聚类类别数增加，E的下降幅度会骤减，然后随着聚类个数k值的继续增大而趋于平缓，手肘法即要求选取那个拐点，拐点处对应最优的k值； S42：通过K-means++的方式初始化聚类中心，让聚类点之间相隔尽可能远，具体的： 随机确定第一个聚类中心，之后遍历未成为聚类中心的每个点选择，并计算距离目前所有聚类中心中的最近距离，作为点的一个距离特征；遍历后，对所有未成为聚类中心的点的距离特征进行比较，选取距离特征最大的点作为下个聚类中心，通过这种方式，最大限度地保证考虑到聚类中心分布的均匀性； 判断聚类中心之间的距离是否大于最近距离阈值q，若大于q则该初始化有效，否则将重新进行初始化； S43：为点云数据初始化不同的标签 将点云簇Cj初始化为空集，计算样本x1和各个聚类中心的μj之间的距离：dij＝||xi-μj||2，根据计算的最小距离确定xi所对应的点云簇，即将样本xi划为dij最小的点云簇，完成打标签； S44：更新新的聚类中心 对聚类中心进行公式更新：当对所有样本点标记结束后，对于j＝1,2,...k重新计算聚类中心点: S45：重新对点云数据打标签 根据步骤S44得到的新的聚类中心，重复步骤S43，重新为点云数据打标签； 步骤S44和S45迭代进行，即更新新的聚类中心和打标签的过程交替进行，不断接近真实值； 当满足更新停止或达到最大迭代次数β时任一条件，停止聚类，此时输出的点云聚类中心，即为作为锥桶障碍物的中心。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东大学，其通讯地址为：250100 山东省济南市历城区山大南路27号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。