[发明专利]一种基于点云速度的毫米波雷达大车识别方法

说明书

本发明属于目标识别领域，公开了一种基于点云速度的毫米波雷达大车识别方法，使用毫米波雷达获取点云数据集；如果点云数据集中任意两个样本点是密度直达或密度可达的关系，则将该两个样本点归为同一簇类，直到遍历完所有核心点；对聚类后的每个簇类进行分析，如果某个族类宽度和长度大于小车目标阈值，小于大车目标阈值则是大车；如果小于小车目标阈值则是小车。本发明通过将传统的基于密度空间的聚类算法与点云速度实际结合的方式，本发明可以有效解决大车分裂成多个目标物的情况，并能识别出大小车型，通过算法弥补了部分雷达在抗干扰性能上的缺陷，具有良好的应用前景。

技术领域

本发明属于雷达目标识别技术领域，尤其涉及一种基于点云速度的毫米波雷达大车识别方法。

背景技术

逐渐复杂的道路交通环境促使我国对于智能交通管理系统的要求向智能化、全面化、准确化、实时化发展，而毫米波雷达具有的技术优势可在智能交通领域有着极其重要的应用。毫米波雷达通过发射高频电磁波及接收回波的原理来测量周围物体的距离、速度、角度。其优势在于可快速获得速度信息，实现追踪前车并控制车速，在不同天气情况下鲁棒性更好。但也会存在缺陷，比如对于大车的测量，雷达可能会返回多个目标点，会干扰后续追踪算法的效果。

发明内容

为了提高追踪算法的准确性和提高车辆碰撞识别的准确性，如何有效解决毫米波雷达对大车的识别出现分裂目标就成为亟待解决的问题。本发明通过对点云的密度、距离和速度进行计算和聚类，然后通过聚类后形成的目标物大小来区分是否是大车。

本发明公开的基于点云速度的毫米波雷达大车识别方法，包括以下步骤：

使用毫米波雷达获取点云数据集D＝{x₁,x₂,…,x_m}；

使用DBSCAN算法进行聚类分析，如果所述点云数据集中任意两个样本点是密度直达或密度可达的关系，则将该两个样本点归为同一簇类，直到遍历完所有核心点；

对聚类后的每个簇类进行分析，如果某个族类宽度Car_width和长度Car_length满足SmallCar_widthCar_width≤BigCar_width以及SmallCar_lengthCar_length≤BigCar_length则是大车；如果0Car_width≤SmallCar_width以及0Car_length≤SmallCar_length则是小车，其中{BigCar_width,BigCar_length}是大车目标阈值和{SmallCar_width,SmallCar_length}是小车目标阈值。

进一步的，所述密度直达包括：若Q处于P的邻域内且速度差距绝对值小于等于0.5m/s，则称Q由P密度直达；

所述密度可达包括：若P₁处于P的邻域内，且P，Q均为核心点且密度直达，且速度差距绝对值小于等于0.5m/s，则称P₁由Q密度可达。

进一步的，所述核心点P得定义为：对某一数据集，若样本P的邻域内至少包含MinPts个样本且样本点与P的速度差距绝对值小于等于0.5m/s，那么样本P称为核心点。

进一步的，若x_j的ε邻域中样本数量大于MinPts，则样本x_j为核心对象，即|N_ε(x_j)|≥MinPts。

进一步的，所述ε邻域为点云数据集D中除x_j外的其他样本x_i与x_j距离小于ε的样本集合。