dbscan_clustering 点云聚类与跟踪节点

本项目基于 ROS、Open3D 和 DBSCAN 实现了激光雷达点云的高效聚类与跨帧目标跟踪，适用于机器人环境感知、动态目标检测等场景。
视频：https://www.bilibili.com/video/BV1iLM7zyEVi/

主要功能

• 点云预处理：体素下采样、距离过滤、Z轴过滤、离群点剔除
• DBSCAN聚类：自适应密度的无监督聚类算法，自动识别点云中的目标
• 聚类稳定性跟踪：跨帧目标ID一致性、属性平滑、鲁棒边界框
• 可视化：发布聚类包围盒和文本信息，支持RViz显示
• 参数可调：聚类与预处理参数均可通过ROS参数灵活配置

依赖

• ROS (建议Melodic/Noetic)
• Python 3
• open3d
• numpy
• scipy
• sensor_msgs, visualization_msgs, std_msgs
• tf2_ros

安装依赖示例：

pip install open3d numpy scipy
sudo apt install ros-<distro>-tf2-ros ros-<distro>-sensor-msgs ros-<distro>-visualization-msgs

启动方法

1. 拷贝脚本到ROS包下的scripts目录
2. 赋予可执行权限

   chmod +x dbscan_clustering.py

3. 启动节点

   rosrun <your_package_name> dbscan_clustering.py
   # 简单粗暴
   python3 dbscan_clustering.py

主要参数

可通过ROS参数服务器设置，常用参数如下：

参数名	说明	默认值
~eps	DBSCAN聚类半径	0.4
~min_points	DBSCAN最小点数	8
~max_points	聚类最大点数	1000
~min_cluster_size	聚类最小点数	15
~voxel_size	体素下采样大小	0.08
~z_min	Z轴最小值	-0.8
~z_max	Z轴最大值	1.5
~radius_filter	最大半径过滤	5.0

话题说明

• 订阅
  /livox/lidar (sensor_msgs/PointCloud2)
  输入原始点云数据

• 发布
  /filtered_pointcloud (sensor_msgs/PointCloud2)
  预处理后的点云（可用于RViz可视化）

  /pointcloud_clusters (visualization_msgs/MarkerArray)
  聚类包围盒与文本信息（可用于RViz可视化）

稳定聚类跟踪原理

• 每一帧聚类后，使用中心点距离将新聚类与历史聚类进行匹配
• 匹配成功的聚类ID保持一致，并对中心、边界框等属性做指数移动平均平滑
• 新出现的聚类分配新ID，消失的聚类延迟若干帧后删除
• 只有连续多帧都被检测到的聚类才会被认为是“稳定聚类”并发布
• 边界框采用百分位数计算，减少离群点影响

可视化效果

• RViz中可看到每个聚类的包围盒（不同颜色）、ID、点数、存活帧数等信息
• 支持动态目标的稳定跟踪与显示

参考

• Open3D官方文档
• DBSCAN算法介绍
• ROS官方文档

---

如有问题欢迎提issue或交流！