【技术实现步骤摘要】
果树检测方法及装置
[0001]本申请涉及一种果树检测方法及装置,属于计算机
技术介绍
[0002]随着智能设备的发展,自移动设备支持在果园中自动移动。比如:自动割草机等设备。自移动设备在果园中进行移动时,遇到果树和其它目标(如人或者其它障碍物)采取的工作策略可能不同,此时,需要对果树进行检测。
[0003]因此,在自移动设备在果园中移动时,如何对果树进行检测以将果树与其它目标进行区分是亟待解决的问题。
技术实现思路
[0004]本申请提供了一种果树检测方法及装置,可以解决无法实现果树检测的问题。本申请提供如下技术方案:
[0005]第一方面,提供一种果树检测方法,所述方法包括:
[0006]获取自移动设备采集的果园区域内的环境点云数据;
[0007]通过闪电连接过程优化算法LAPO对所述环境点云数据进行聚类,得到最优的聚类中心集合,所述最优的聚类中心集合包括多个聚类中心;
[0008]将所述最优的聚类中心集合中不同的聚类中心之间的欧式距离与果树直径进行比较,以按照比较结果对所述多个聚类中心进行更新,得到更新后的聚类中心;
[0009]按照基于密度的聚类算法DBSCAN和所述更新后的聚类中心进行数据聚类,得到多个数据簇;所述数据簇的聚类中心为所述数据簇的均值;
[0010]将不同数据簇的聚类中心之间的欧式距离与果树直径进行比较,以按照比较结果对所述数据簇的聚类中心进行更新,得到最终的聚类中心;
[0011]按照所述最 ...
【技术保护点】
【技术特征摘要】
1.一种果树检测方法,其特征在于,所述方法包括:获取自移动设备采集的果园区域内的环境点云数据;通过闪电连接过程优化算法LAPO对所述环境点云数据进行聚类,得到最优的聚类中心集合,所述最优的聚类中心集合包括多个聚类中心;将所述最优的聚类中心集合中不同的聚类中心之间的欧式距离与果树直径进行比较,以按照比较结果对所述多个聚类中心进行更新,得到更新后的聚类中心;按照基于密度的聚类算法DBSCAN和所述更新后的聚类中心进行数据聚类,得到多个数据簇;所述数据簇的聚类中心为所述数据簇的均值;将不同数据簇的聚类中心之间的欧式距离与果树直径进行比较,以按照比较结果对所述数据簇的聚类中心进行更新,得到最终的聚类中心;按照所述最终的聚类中心对果树聚类与其它目标聚类进行划分,得到果树检测结果。2.根据权利要求1所述的方法,其特征在于,所述将所述最优的聚类中心集合中不同的聚类中心之间的欧式距离与果树直径进行比较,以按照比较结果对所述多个聚类中心进行更新,得到更新后的聚类中心,包括:在所述不同的聚类中心之间的欧式距离小于所述果树直径时,使用所述不同的聚类中心之间的中点替换所述不同的聚类中心,得到更新后的聚类中心。3.根据权利要求2所述的方法,其特征在于,所述方法还包括:在所述不同的聚类中心之间的欧式距离大于或所述果树直径时,聚类中心保持不变,触发执行所述按照基于密度的聚类算法DBSCAN和所述更新后的聚类中心进行数据聚类,得到多个数据簇;所述数据簇的聚类中心为所述数据簇的均值的步骤。4.根据权利要求1所述的方法,其特征在于,所述环境点云数据为所述自移动设备上的激光雷达传感器采集到的,所述果树直径为所述激光雷达传感器的安装高度出对应的果树直径。5.根据权利要求1所述的方法,其特征在于,所述通过LAPO对所述环境点云数据进行聚类,得到最优的聚类中心集合,包括:从所述环境点云数据中随机生成n组聚类中心组;每组聚类中心组包括k个聚类中心;所述k为正整数,所述n为大于1的整数;计算所述n组聚类中心组的均值;将所述均值输入预设的目标函数中,得到均值点的目标函数值;按照各个聚类中心的目标函数值,从各个聚类中心中确定出最优值点和最差值点;在所述最差值点的目标函数值大于所述均值点的目标函数值时,将所述最差值点替换为均值点;对于所述n组聚类中心组中第i组聚类中心组中的每个聚类中心,从所述n组聚类中心组中随机选取第j组聚类中心组,i与j不相等,且所述i和所述j均为小于或等于n的正整数;在所述均值点的目标函数值大于所述第j组聚类中心组中的聚类中心的目标函数值时,按照下述公式替换所述第i组聚类中心组中的聚类中心:C
i
=C
i
+rand
×
(C
ave
‑
rand
×
(C
j
));C
i
表示第i组聚类中心组中的聚类中心,rand表示[0,1]之间的随机数,C
ave
表示所述均值,所述C
j
表示第j组聚类中心组中的聚类中心;
在所述均值点的目标函数值小于所述第j组聚类中心组中的聚类中心的目标函数值时,按照下述公式替换所述第i组聚类中心组中的聚类中心:C
i
=C
i
‑
rand
×
(C
ave
‑
rand
×
(C
j
));在所述n组聚类中心组均执行更新操作得到更新后的n组聚类中心组后,计算更新后的n组聚类中心组的最优值点、最差值点和均值点;按照下式对更新后的n组聚类中心组中的每个聚类中心执行聚类中心的更新操作,得到新的n组聚类中心组:C
new
=C
new
+rand
×
S
×
(C
new_ave
+rand
×
(C
new_lo...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。