[发明专利]毫米波雷达的残影消除方法、装置及计算机可读介质

权利要求书

1.毫米波雷达的残影消除方法，其特征在于，包括：

在每个检测时间点，均执行：

获取毫米波雷达输出的点云集；

判断该点云集中是否包括目标点云云团；该目标点云云团满足：在之前检测时间点获取的点云集中出现过；

如果包括目标点云云团，提取该目标点云云团的特征数据；

将该目标点云云团的特征数据输入预先训练的分类器中；该分类器通过作为输入的样本点云云团的特征数据与作为输出的样本分类结果，训练得到；

得到该分类器输出的分类结果；

当所述分类结果为残影时，消除所述点云集中的该目标点云云团。

2.根据权利要求1所述的方法，其特征在于，

该目标点云云团满足：在之前N个连续或不连续的检测时间点获取的点云集中出现过；N为正整数。

3.根据权利要求1所述的方法，其特征在于，

在确定包括目标点云云团之后，并在提取目标点云云团的特征数据之前，进一步包括：

判断点云集中是否存在能够与目标点云云团融合的点云；

如果存在，则将该点云融合到该目标点云云团中；

所述提取目标点云云团的特征数据包括：对融合后得到的目标点云云团进行特征提取。

4.根据权利要求3所述的方法，其特征在于，

判断点云集中是否存在能够与目标点云云团融合的点云，包括：

对于点云集中每个所述目标点云云团之外的点云，均执行：

在以毫米波雷达为原点的二维坐标系下，通过下述第一式子，确定确定该点云在所述二维坐标系中的坐标：

所述第一式子包括：

其中，Xa、Ya分别为该点云在二维坐标系中的横坐标和纵坐标，La为该点云与所述毫米波雷达的距离，θa为在所述二维坐标系中点云与所述毫米波雷达形成的方位角；

通过以下第二式子，计算该点云与所述目标点云云团的距离；

所述第二式子包括：

其中，Xt和Yt分别为所述目标点云云团在二维坐标系中的横坐标与纵坐标，Dat为该点云与目标点云云团的距离值；

确定该点云与所述目标点云云团的距离值是否不超过预设的距离阈值，若是，则确定该点云与所述点云云团能够融合，若否，则确定该点云为噪点并清除该点云。

5.根据权利要求1所述的方法，其特征在于，

所述分类器通过如下方式训练：

获取样本点云云团特征数据样本集和残影特征数据样本集；其中，所述样本点云云团特征数据样本集中包括点云云团对应的至少一个特征数据，所述残影特征数据样本集中包括残影对应的至少一个特征数据；

利用点云云团数据样本集和残影特征数据样本集对所述分类器进行训练；其中，在将所述点云云团特征数据样本集作为所述分类器的输入时，将点云云团作为分类结果作为所述分类器的输出；在将所述残影特征数据样本集作为所述分类器的输入时，将残影作为分类结果作为所述分类器的输出。

6.根据权利要求5所述的方法，其特征在于，

进一步包括：获取场景参数样本集，所述场景参数样本集中包括至少一个场景对应的场景参数；所述样本点云云团特征数据样本集和残影特征数据样本集是从该场景参数对应的场景下获取的；

利用所述场景参数样本集执行所述利用样本点云云团特征数据样本集和残影特征数据样本集对所述分类器进行训练；其中，将当前场景参数和从该当前场景参数对应的场景下获取的样本点云云团特征数据样本集同时作为所述分类器的输入；以及将当前场景参数和从该当前场景参数对应的场景下获取的残影特征数据样本集同时作为所述分类器的输入；

所述将该目标点云云团的特征数据输入预先训练的分类器中包括：

将从当前场景中获取的场景参数以及该目标点云云团的特征数据输入预先训练的分类器中。