深度聚类
depth_clustering
智能家居, 机器人
🧩 软硬件结合
已发布
项目简介
:taxi: Fast and robust clustering of point clouds generated with a Velodyne sensor.
Depth Clustering 是一个专为 Velodyne 激光雷达点云数据设计的快速鲁棒分割算法开源项目。该项目由波恩大学的研究团队开发，核心目标是将 Velodyne 16线、32线及64线传感器采集的稀疏3D点云实时分割为独立的物体对象，为自动驾驶、移动机器人和环境感知领域提供高效的点云处理基础工具。
标签
项目特点
**快速在线分割**：基于范围图像的分割算法，专为稀疏 3D 激光扫描数据优化，适合实时应用。
**兼容多种 Velodyne 传感器**：支持 16、32 和 64 线 Velodyne 激光雷达。
**多种运行方式**：提供 ROS 节点、独立二进制文件和 Qt GUI 界面，方便调试和可视化。
**丰富的示例**：包含显示物体边界框、保存分割结果到磁盘等示例，易于扩展。
**可选的 PCL 和 ROS 支持**：可选集成 PCL 用于点云保存，ROS 用于话题订阅。
技术规格
| 输入传感器 | |
|---|---|
| 输出 | |
| 核心算法 | |
| 依赖库 | |
| 可选依赖 | |
| 构建系统 | |
| 支持数据集 | |
| 编程语言 | |
| 测试框架 |
项目资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| 计算机（运行 Ubuntu 14.04/16.04/18.04） | 1 | — | 用于编译和运行算法 |
| Velodyne 激光雷达（16/32/64线） | 1 | — | 数据采集传感器（可选，可用数据集替代） |
| Ubuntu 14.04/16.04/18.04 | 1 | — | 操作系统 |
| OpenCV | 1 | — | 图像处理库 |
| QGLViewer | 1 | — | 3D 可视化库 |
| FreeGLUT | 1 | — | OpenGL 工具库 |
| QT4 或 QT5 | 1 | — | GUI 框架 |
| PCL（可选） | 1 | — | 点云库，用于保存点云 |
| ROS（可选） | 1 | — | 机器人操作系统，用于话题订阅 |
所需工具
传感器模块
3D打印机
必需
能力画像
⚪ 记忆与知识检索: 1/5
🔵 逻辑推演: 3/5
⚪ 表达与交流: 1/5
⚪ 感知与观察: 1/5
🔵 数理与计算: 4/5
🔵 动手与操作: 3/5
⚪ 狂热与坚持: 2/5
⚪ 创造与创新: 2/5
项目图库
视频
watch
所需技能
🔧 **动手能力**：需要配置 Ubuntu 系统、安装依赖库、编译 C++ 项目，并可能连接 Velodyne 传感器进行数据采集。
💻 **编程能力**：需要 C++ 编程基础，理解 CMake 构建系统，可选地需要 ROS 编程知识。
⚡ **电子电路**：无需电子电路知识，但需要了解激光雷达数据格式和点云处理基础。
适用场景
自动驾驶汽车中的实时物体检测与分割。
移动机器人环境感知与障碍物识别。
3D 激光扫描数据的离线分析与可视化。
学术研究中的点云分割算法验证与对比。