[发明专利]一种基于DBSCAN算法的交通目标识别方法

权利要求书

1.一种基于DBSCAN算法的交通目标识别方法，其特征在于，具体为：

针对待识别的交通目标，首先通过毫米波雷达进行连续时间段的探测，获得待测目标的不同时刻的位置信息，并将测得的位置信息作为点云数据；利用DBSCAN聚类算法对点云数据进行聚类，将符合距离限制的点云数据分配相同的簇标签或者标记为噪声；根据每个簇中的散射点数量进行目标类型的匹配，并将识别到的目标类型保存在目标标签表中；最后对目标标签表中的同一类型的标签进行计数，得到综合交通环境下各交通目标的数量。

2.根据权利要求1所述的一种基于DBSCAN算法的交通目标识别方法，其特征在于，所述的DBSCAN聚类算法的过程如下：

步骤201，从点云数据中选出核心样本点以及各核心样本点的邻居；

核心样本点的选择为：针对点p，其与周围各点的距离小于等于ε的所有点的数量大于阈值MinPts，则标记点p为核心样本点；

与点p距离小于等于ε的点称为点p的邻居；

步骤202，逐个选择点云数据中的各点，判断当前点p是否为核心样本，如果是，给点p分配一个簇标签，进入步骤203；否则，点p被标记为噪声；

步骤203，访问核心样本点p的所有邻居，并将点p的簇标签分配给所有邻居；

步骤204，判断每个被访问的邻居是否为核心样本点，若是，则点p依次访问各核心样本的邻居，并将点p的簇标签分配给所有访问的邻居点，直到点p的邻居没有核心样本点为止；

步骤205，选取点云数据中另一个未被访问过的点，返回步骤202重复上述过程，直至所有点云数据都被分配簇标签或被标记为噪声，完成聚类。

3.根据权利要求1所述的一种基于DBSCAN算法的交通目标识别方法，其特征在于，所述的目标识别的具体过程为：

首先，创建一个空的目标标签表，其长度与簇的数量相同；

然后，逐个选择各簇，针对当前簇，判断其标签包含的散射点数量是否符合四类目标中的某一类，如果是，则将该簇对应到具体的目标类别，并将目标类型保存到目标标签表中；否则，对当前簇暂不处理。

4.根据权利要求1或3所述的一种基于DBSCAN算法的交通目标识别方法，其特征在于，所述的目标类型分为四类，分别为：行人、摩托车、小型汽车和重型卡车。