一种ISODATA聚类算法运行控制参数优化方法、存储介质及终端技术

本发明专利技术涉及一种ISODATA聚类算法运行控制参数优化方法、存储介质及终端；包括样本预处理步骤：将所有样本投影到横轴上，为后续的区间划分处理提供基础；区间划分步骤：根据样本在横轴上的投影，按照样本在横轴上的聚集程度将其划分为若干个独立区间，以用于后续ISODATA聚类算法运行控制参数的确定；区间筛选步骤：删除包含样本个数低于阈值的所有区间；参数自适应调整步骤：根据所述区间筛选结果对ISODATA聚类算法的运行控制参数进行设定调整。本发明专利技术根据无人机获取到的实时图像信息对k、Tn、Ts、Tc参数的值进行实时调整，使ISODATA聚类算法能够自适应复杂的障碍物检测场景，增强无人机在复杂环境下的障碍物检测能力，为无人机自主避障提供有价值的障碍物分布信息。信息。信息。

【技术实现步骤摘要】
一种ISODATA聚类算法运行控制参数优化方法、存储介质及终端


[0001]本专利技术涉及无人机障碍物检测
，尤其涉及一种ISODATA聚类算法运行控制参数优化方法、存储介质及终端。

技术介绍

[0002]面对复杂多变的地形和环境，执行相关任务的无人机在飞行过程中难免会遇到障碍物，如果躲避不及时就可能会发生坠机事件，产生安全隐患，甚至对操作者或者他人造成伤害，同时也会造成一定的经济损失；因此，通过对无人机飞行过程中障碍物的检测来实现避障是现阶段无人机飞行安全保证的一种重要方式。
[0003]在无人机飞行的障碍物检测任务中，障碍物的数目是随机出现的，对ISODATA聚类算法的运行控制参数设定将直接影响到聚类的结果；此外，不同障碍物数目情况下需要设定不同的运行控制参数值，因此，在实际障碍物检测过程中需要根据无人机获取到的实时图像对运行控制参数值进行自适应调整，以增强无人机在复杂环境下的障碍物检测能力；但是现有的障碍物检测方法并不能实现对ISODATA聚类算法的运行控制参数自适应调整的目的。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的缺点，提供了一种ISODATA聚类算法运行控制参数优化方法、存储介质及终端，能够根据无人机获取到的实时图像信息自适应调整k、Tn、Ts、Tc四个参数的值，使ISODATA算法能够自适应不同障碍物数目场景，增强无人机在复杂环境下的障碍物检测能力，为无人机自主避障提供有价值的参考信息。
[0005]本专利技术的目的通过以下技术方案来实现：一种ISODATA聚类算法运行控制参数优化方法，所述运行控制参数优化方法包括：
[0006]样本预处理步骤：将所有样本投影到横轴上，为后续的区间划分处理提供基础；
[0007]区间划分步骤：根据样本在横轴上的投影，按照样本在横轴上的聚集程度将其划分为若干个独立区间，以用于后续ISODATA聚类算法运行控制参数的确定；
[0008]区间筛选步骤：删除包含样本个数低于阈值的所有区间，以滤除掉原来样本中可能存在的噪声；
[0009]参数自适应调整步骤：根据所述区间筛选结果对ISODATA聚类算法的运行控制参数进行设定调整。
[0010]进一步地，所述按照样本在横轴上的聚集程度将其划分为若干个独立区间包括：
[0011]初始化设置，设定初始阈值t＝weight/20，设定相邻两个样本横坐标之间的增量bias＝0，设定增量的和为bias_sum＝0，设定增量的平均值bias_avg＝t，设定样本数目num＝0，设定样本索引index＝1，并创建一个队列q；
[0012]将第index个样本保存到队列q中，并设定num＝num+1；
[0013]计算第index+1个样本与index个样本的横坐标之间的增量bias；
[0014]判断bias与初始阈值bias_avg之间的大小关系，若bias<bias_avg，index＝index+1，bias_sum＝bias_sum+bias，bias_avg＝bias_sum/(num-1)，并跳转到第二步；若bias>bias_avg，index＝index+1，num＝0，bias_sum＝0，bias_avg＝t，队列中的所有样本划分为一个区间，所有样本从队列q中取出后跳转到第二步；
[0015]若index>N-1，区间划分完成。
[0016]进一步地，所述根据所述区间筛选结果对ISODATA聚类算法的运行控制参数进行设定调整包括：
[0017]将区间数目设定为期望聚类数k；
[0018]将各区间之间的最小距离设定为聚类间最小距离Tc；
[0019]将各区间内的最小样本数设定为聚类内最小样本数Tn；
[0020]将各区间内的最大标准差设定为聚类内最大标准差Ts。
[0021]一种存储介质，其上存储有计算机控制指令，所述计算机控制指令被处理器执行时实现一种ISODATA聚类算法运行控制参数优化方法的步骤。
[0022]一种终端设备，包括处理器和存储器；所述存储器用于存储计算机控制指令；所述处理器用于执行所述存储器上存储的计算机控制指令，以使所述终端设备执行一种ISODATA聚类算法运行控制参数优化方法的步骤。
[0023]本专利技术具有以下优点：一种ISODATA聚类算法运行控制参数优化方法、存储介质及终端，用于无人机障碍物检测的ISODATA聚类算法运行控制参数优化方法能够在进行ISODATA聚类之前，根据无人机获取到的实时图像信息对k、Tn、Ts、Tc参数的值进行实时调整，使ISODATA聚类算法能够自适应复杂的障碍物检测场景，增强无人机在复杂环境下的障碍物检测能力，为无人机自主避障提供有价值的障碍物分布信息。此外，k、Tn、Ts、Tc参数的自适应调整还减少了ISODATA聚类算法所需的运行控制参数设定，降低了ISODATA聚类算法运行控制参数的设定难度。
附图说明
[0024]图1为本专利技术方法的流程示意图；
[0025]图2为区间划分流程示意图；
[0026]图3为传统的ISODATA聚类算法进行无人机障碍物检测的流程图；
[0027]图4为加入运行控制参数优化后的ISODATA聚类算法进行障碍物检测流程图。
具体实施方式
[0028]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本专利技术做进一步的描述。
[0029]如图1所示，本专利技术涉及一种ISODATA聚类算法运行控制参数优化方法，用于无人机障碍物检测方面，能够根据无人机获取到的实时图像信息自适应调整k、Tn、Ts、Tc四个参数的值，使ISODATA算法能够自适应不同障碍物数目场景，增强无人机在复杂环境下的障碍物检测能力，为无人机自主避障提供有价值的参考信息；其主要包括以下内容：
[0030]S1、样本预处理步骤：将所有样本投影到横轴上，为后续的区间划分处理提供基础；
[0031]S2、区间划分步骤：根据样本在横轴上的投影，按照样本在横轴上的聚集程度将其划分为若干个独立区间，以用于后续ISODATA聚类算法运行控制参数的确定；其目的在于利用后续区间的个数、各区间的样本数、各区间样本标差等信息对ISODATA算法运行控制参数进行实时调整。
[0032]进一步地，如图2所示，按照样本在横轴上的聚集程度将其划分为若干个独立区间包括以下内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种ISODATA聚类算法运行控制参数优化方法，其特征在于：所述运行控制参数优化方法包括：样本预处理步骤：将所有样本投影到横轴上，为后续的区间划分处理提供基础；区间划分步骤：根据样本在横轴上的投影，按照样本在横轴上的聚集程度将其划分为若干个独立区间，以用于后续ISODATA聚类算法运行控制参数的确定；区间筛选步骤：删除包含样本个数低于阈值的所有区间，以滤除掉原来样本中可能存在的噪声；参数自适应调整步骤：根据所述区间筛选结果对ISODATA聚类算法的运行控制参数进行设定调整。2.根据权利要求1所述的一种ISODATA聚类算法运行控制参数优化方法，其特征在于：所述按照样本在横轴上的聚集程度将其划分为若干个独立区间包括：初始化设置，设定初始化阈值t＝weight/20，设定相邻两个样本横坐标之间的增量bias＝0，设定增量的和为bias_sum＝0，设定增量的平均值bias_avg＝t，设定样本数目num＝0，设定样本索引index＝1，并创建一个队列q；将第index个样本保存到队列q中，并设定num＝num+1；计算第index+1个样本与index个样本的横坐标之间的增量bias；判断bias与初始阈值bias_avg之间的大小关系，若bias<bias_avg，index＝index+1，bi...

【专利技术属性】
技术研发人员：黄德青，佘兴彬，孙伟浩，宋晨健，周桃源，秦娜，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：