[发明专利]一种基于毫米波雷达的多扩展目标跟踪方法及其设备

权利要求书

1.一种基于毫米波雷达的扩展目标跟踪方法，其特征在于，包括：

量测集划分步骤：接收77GHz毫米波雷达返回的回波信息，对所述回波信息进行解析得到点云信息，对所述点云信息进行预处理以得到感兴趣目标的点云数据，采用改进的DBSCAN聚类算法对感兴趣目标的点云数据进行聚类，得到聚类结果；

扩展目标状态估计步骤：采用随机矩阵构建目标外形状态模型，获取所述聚类结果，采用所述聚类结果对所述目标外形状态模型进行更新及预测，得到输出结果；其中，构建目标外形状态模型时，所选取的构建参数包括目标的航向角。

2.如权利要求1所述的基于毫米波雷达的扩展目标跟踪方法，其特征在于，解析得到的所述点云信息包括目标的位置、速度、径向方位角和雷达散射截面面积。

3.如权利要求2所述的基于毫米波雷达的扩展目标跟踪方法，其特征在于，对所述点云信息进行预处理，具体为：

针对所述位置，将所述位置限制为左右各7米、前方100米的矩形区域内；

针对所述速度，将所述速度的绝对值约束为大于1.5米/秒；

针对所述雷达散射界面面积，将所述雷达散射界面面积的范围约束为[-15，30]。

4.如权利要求1-3任一项所述的基于毫米波雷达的扩展目标跟踪方法，其特征在于，采用改进的DBSCAN聚类算法对感兴趣目标的点云数据进行聚类，具体为：

(1)确定参数邻域距离阈值epsilon、核心点数量阈值Minpts及速度标准差阈值Vstd；

(2)初始化获得的感兴趣目标的点云数据中所有数据点；

(3)对所有数据点进行遍历，完成所有数据点的分类；

(4)针对已分类的数据点，根据参数邻域距离阈值epsilon、核心点数量阈值Minpts及速度标准差阈值Vstd完成数据点的标签分配；所有数据点被分配为核心簇标签和噪声簇标签两类。

5.如权利要求4所述的基于毫米波雷达的扩展目标跟踪方法，其特征在于，步骤(1)具体为：

对获得的感兴趣目标的点云数据进行排序；

采用K-dist树技术得到每个点与其他点的距离矩阵，形成K-dist图；

将K-dist图即将发生陡峭突变的拐点位置确定为邻域距离阈值；

采用公式计算核心点数量阈值Minpts；

设定速度标准差阈值Vstd；

其中，N_d为数据点的总数，邻域密度

6.如权利要求1所述的基于毫米波雷达的扩展目标跟踪方法，其特征在于，扩展目标状态估计具体为：

(1)初始化目标及系统状态：初始化目标运动学状态、目标外形状态及系统观测矩阵；

(2)采用随机矩阵构建目标外形状态模型；

(3)获取所述聚类结果；

(4)采用所述聚类结果对所述目标外形状态模型进行模型更新，即更新目标外形信息及运动学信息，并输出更新结果；

(5)采用所述聚类结果对所述目标外形状态模型进行模型预测，即对目标进行状态预测、协方差预测及扩展参数预测。

7.一种基于毫米波雷达的扩展目标跟踪设备，其特征在于，包括相互连接的量测集划分模块和扩展目标状态估计模块；

所述量测集划分模块包括：

通讯单元，用于接收77GHz毫米波雷达返回的回波信息；

解析单元，用于对所述回波信息进行解析得到点云信息；

预处理单元，用于对所述点云信息进行预处理以得到感兴趣目标的点云数据；

聚类单元，用于采用改进的DBSCAN聚类算法对感兴趣目标的点云数据进行聚类，得到聚类结果；

所述扩展目标状态估计模块包括：

建模单元，用于采用随机矩阵构建目标外形状态模型；

获取单元，用于获取所述聚类结果；

模型更新预测单元，用于采用所述聚类结果对所述目标外形状态模型进行更新及预测，得到输出结果；其中，构建目标外形状态模型时，所选取的构建参数包括目标的航向角。