9、LiDAR技术：算法、滤波与应用详解

LiDAR技术：算法、滤波与应用详解

1. DBSCAN密度聚类算法

1.1 数据点分类

DBSCAN算法将数据点分为以下三种类型：
- 核心点 ：在半径 $\epsilon$ 范围内包含超过 MinPts 数量的点。
- 边界点 ：在半径 $\epsilon$ 范围内的点数少于 MinPts ，但位于核心点的邻域内。
- 噪声数据 ：既不是核心点也不是边界点的点。

1.2 算法流程

DBSCAN算法的具体流程如下：
1. 从数据集中选择一个未处理的点 $q$（未分类到任何簇或标记为噪声），检查其邻域。如果邻域内包含的对象数量不少于 MinPts ，则创建一个新的簇 $C$，并将所有点添加到候选集 $N$ 中。
2. 对于候选集 $N$ 内未处理的对象 $q$，检查其邻域。如果包含至少 MinPts 数量的对象，则将这些对象添加到候选集 $N$ 中。如果 $q$ 尚未分类到任何簇，则将 $q$ 添加到 $C$ 中。
3. 重复步骤2，继续检查 $N$ 内未处理的对象，直到当前候选集 $N$ 为空。
4. 重复步骤1到3，直到所有对象都被分类到一个簇或标记为噪声，聚类过程完成。

graph TD;
    A[选择未处理点q] --> B{邻域内对象数 >= M