Evaluación de técnicas de agrupamiento para segmentación de nubes de puntos LIDAR

Resumen

Las nubes de puntos LIDAR suministran información precisa sobre distancias, y son de gran utilidad para robots de búsqueda y rescate urbano, vehículos autónomos y robots de uso industrial en general. Estos conjuntos de datos representan escenarios, ya sean interiores o exteriores, formados por edificios, personas, vehículos y objetos en general. La información se presenta de forma densa y no estructurada en coordenadas cartesianas de 3 dimensiones. Para analizar el entorno representado, una de las primeras tareas es la segmentación de los escenarios. En este trabajo se evalúan técnicas de agrupamiento no supervisado para segmentar conjuntos de datos de nubes de puntos LIDAR. A partir de una observación visual de las clases y el cálculo de métricas de agrupamiento, se compara el comportamiento de los algoritmos K-means, DBSCAN, BIRCH y Mean Shift en diferentes escenarios interiores y exteriores.