【技術實現步驟摘要】
本專利技術屬于點云數據處理，具體而言，涉及一種4d毫米波雷達聚類方法、裝置及電子設備。
技術介紹
1、由于毫米波雷達點云稀疏性，同一目標點云連續性不足，導致目標聚類效果差，容易出現目標分裂。
2、毫米波雷達通過發射多個周期的頻率調制連續波（frequency?modulationcontinuous?wave，簡稱fmcw）信號，可以對多目標場景中的每個目標同時進行距離和徑向速度測量，發射的波形如附圖1所示。毫米波雷達使用的無線電波波長較長，相比激光雷達使用的激光束，分辨率較低，這意味著在相同的探測距離下，毫米波雷達能夠捕捉到的目標細節較少，導致點云數據稀疏。毫米波在遇到目標物體時，會發生散射現象，由于波長較長，散射角相對較大，導致反射信號在空間中的分布較為分散，難以形成密集的點云數據，對目標的成像能力不強，無法精確地識別目標。
3、毫米波雷達對同一目標進行探測時，通過能夠獲取多個稀疏點目標，在進行目標跟蹤時，多個點目標會造成航跡分裂，因此在進行目標跟蹤前，需要進行目標聚類，聚類算法的基本原理是依據點云的連續性，將一團連續的點云聚合成一類，如果同一目標點云不連續，則通常無法很好地聚類。由于毫米波雷達點云稀疏，且分布不均勻，使用dbscan算法進行聚類時，使用固定鄰域半徑和鄰域內最小點數通常不匹配，鄰域半徑設置過大時，容易導致將不同目標的點云聚類成一類，鄰域半徑設置過小時，容易將同一目標的點云聚類成多個類，毫米波雷達點云的聚類準確性低。
4、由于4d毫米波雷達角度分辨率高，可以達到1度左右，且點
技術實現思路
1、為了解決上述技術問題，本專利技術提供一種4d毫米波雷達聚類方法、裝置及電子設備。
2、第一方面，本專利技術提供了一種4d毫米波雷達聚類方法，包括：
3、輸入4d毫米波雷達點云數據；
4、設置第一鄰域半徑與第一鄰域半徑內點云的最小點數，將各第一鄰域半徑區域作為目標區域；
5、使用dbscan算法進行點云密度聚類，得到各目標區域的點云密度聚類結果；
6、計算各點云密度聚類的中心點位置，統計各個點云密度聚類的寬度；
7、根據各個點云密度聚類的寬度設置第二鄰域半徑，得到第二鄰域半徑的集合；
8、對各個點云密度聚類按照設置的第二鄰域半徑執行dbscan聚類，完成點云聚類操作。
9、第二方面，本專利技術提供了一種4d毫米波雷達聚類裝置，包括輸入單元、第一設置單元、第一聚類單元、統計單元、第二設置單元與第二聚類單元；
10、輸入單元，用于輸入4d毫米波雷達點云數據；
11、第一設置單元，用于設置第一鄰域半徑與第一鄰域半徑內點云的最小點數，將各第一鄰域半徑區域作為目標區域；
12、第一聚類單元，用于使用dbscan算法進行點云密度聚類，得到各目標區域的點云密度聚類結果；
13、統計單元，用于計算各點云密度聚類的中心點位置，統計各個點云密度聚類的寬度；
14、第二設置單元，用于根據各個點云密度聚類的寬度設置第二鄰域半徑，得到第二鄰域半徑的集合；
15、第二聚類單元，用于對各個點云密度聚類按照設置的第二鄰域半徑執行dbscan聚類，完成點云聚類操作。
16、第三方面，本專利技術提供了一種電子設備，包括：
17、處理器和存儲器；
18、所述存儲器，用于存儲計算機操作指令；
19、所述處理器，用于通過調用所述計算機操作指令，執行所述的一種4d毫米波雷達聚類方法。
20、在上述技術方案的基礎上，本專利技術還可以做如下改進。
21、進一步，使用dbscan算法進行點云密度聚類，得到各目標區域的點云密度聚類結果，包括：
22、設第一鄰域半徑為ε，第一鄰域半徑內最小點數為minpts；
23、尋找核心點：遍歷數據集中的每個點，計算第一鄰域半徑內的點數；
24、如果點的第一鄰域半徑內點數大于或等于第一鄰域半徑內最小點數，則將該點標記為核心點；
25、構建聚類：從一個未被訪問的核心點開始，將該核心點加入當前聚類，并標記為已訪問；查找該核心點的所有第一鄰域半徑內的點，如果存在核心點，則遞歸地將第一鄰域半徑內的點加入當前聚類，并標記為已訪問；如果第一鄰域半徑內的點是非核心點但位于一核心點的第一鄰域半徑內，則將該第一鄰域半徑內的點標記為邊界點，并加入與核心點相同的聚類；重復查找該核心點的所有第一鄰域半徑內的點，直到當前聚類的第一鄰域半徑內沒有新的點可以加入；
26、重復構建新的聚類：繼續遍歷數據集中的未訪問點，重復尋找核心點，直到所有數據點都被訪問并歸類到各個聚類中。
27、進一步，將數據集中未被訪問且不屬于任何聚類的點標記為噪聲點。
28、進一步，對各個點云密度聚類按照設置的第二鄰域半徑執行dbscan聚類，包括：
29、設第個點云密度聚類為，第n個云密度聚類為，點云密度聚類集合為，第個點云密度聚類的第二鄰域半徑為，為中的第個聚類，為的中心點，為第個點云密度聚類的中心點坐標，為第個點云密度聚類的中心點坐標和第個點云密度聚類的中心坐標之間的距離差；
30、從開始構建聚類,設置第個點云密度聚類的第二鄰域半徑，設置第個點云密度聚類的第二鄰域半徑內最小點數為1；
31、尋找的臨近的中心點，遍歷點云密度聚類集合,計算，如果，則為的鄰域，否則不是的鄰域；
32、從的每個鄰近點開始，重復尋找的臨近的中心點，直至查找完的所有鄰近點；重復尋找的臨近的中心點時使用的鄰域半徑；
33、對未被包含的點云密度聚類，重復尋找臨近的中心點，直到遍歷完所有點云密度聚類集合。
34、進一步，第一鄰域半徑小于第二鄰域半徑。
35、進一步，根據各個點云密度聚類的寬度設置第二鄰域半徑時，根據目標的長度與寬度的關系設置第二鄰域半徑。
36、本專利技術的有益效果是：本專利技術在完成傳統聚類后，統計各個高密度橫向聚類結果的寬度，從各個高密度聚類結果執行大尺寸聚類操作，大尺寸聚類時的第二鄰域半徑ε根據橫向聚類寬度大小確定，即當前橫向聚類寬度越大，設置的第二鄰域半徑ε越大，直到完成所有點云聚類。因此，本專利技術可以適應不同尺寸的目標點云數據，根據點云寬度自適應調整大尺寸聚類的鄰域半徑，從而提高4d毫米波雷達的點云聚類準確性。
本文檔來自技高網...【技術保護點】
1.一種4D毫米波雷達聚類方法，其特征在于，包括：
2.根據權利要求1所述一種4D毫米波雷達聚類方法，其特征在于，使用DBSCAN算法進行點云密度聚類，得到各目標區域的點云密度聚類結果，包括：
3.根據權利要求2所述一種4D毫米波雷達聚類方法，其特征在于，將數據集中未被訪問且不屬于任何聚類的點標記為噪聲點。
4.根據權利要求1所述一種4D毫米波雷達聚類方法，其特征在于，對各個點云密度聚類按照設置的第二鄰域半徑執行DBSCAN聚類，包括：
5.根據權利要求1所述一種4D毫米波雷達聚類方法，其特征在于，第一鄰域半徑小于第二鄰域半徑。
6.根據權利要求1所述一種4D毫米波雷達聚類方法，其特征在于，根據各個點云密度聚類的寬度設置第二鄰域半徑時，根據目標的長度與寬度的關系設置第二鄰域半徑。
7.一種4D毫米波雷達聚類裝置，其特征在于，包括輸入單元、第一設置單元、第一聚類單元、統計單元、第二設置單元與第二聚類單元；
8.一種電子設備，其特征在于，包括：
【技術特征摘要】
1.一種4d毫米波雷達聚類方法，其特征在于，包括：
2.根據權利要求1所述一種4d毫米波雷達聚類方法，其特征在于，使用dbscan算法進行點云密度聚類，得到各目標區域的點云密度聚類結果，包括：
3.根據權利要求2所述一種4d毫米波雷達聚類方法，其特征在于，將數據集中未被訪問且不屬于任何聚類的點標記為噪聲點。
4.根據權利要求1所述一種4d毫米波雷達聚類方法，其特征在于，對各個點云密度聚類按照設置的第二鄰域半徑執行dbscan聚類...
【專利技術屬性】
技術研發人員：李會勇，李明，
申請(專利權)人：電子科技大學長三角研究院衢州，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。