[发明专利]一种基于交通毫米波雷达点云数据的聚类方法

权利要求书

1.一种基于交通毫米波雷达点云数据的聚类方法，其特征在于，所述方法包括以下步骤：

S1获取当前帧的点云数据；

S2对当前帧数据进行帧内DBSCAN处理；

S3获取上一帧的聚类结果；

S4使用当前帧的聚类结果和上一帧的聚类结果进行帧间聚类；

S5输出聚类结果并进行点迹凝聚。

2.根据权利要求1所述的基于交通毫米波雷达点云数据的聚类方法，其特征在于，在所述步骤S1中，还包括：

S1.1获取当前帧点云的原始目标点数据{P_i}，i＝1，2，3，...，N，其中N为原始目标点数量，每个目标点的信息包括P_i＝{r_i，v_i，θ_i，F_i}，r_i为目标的距离信息，v_i为目标的速度信息，θ_i为目标的角度信息，F_i为目标的帧号信息；

S1.2：将上述点迹数据转化到直角坐标系得到P′_i＝{r_i，x_i，y_i，v_i，θ_i，F_i}，其中，x_i和y_i分别是原始点迹在直角坐标系下的位置信息；

x_i＝r_i*cosθ_i，y_i＝r_i*sinθ_i。

3.根据权利要求1所述的基于交通毫米波雷达点云数据的聚类方法，其特征在于，在所述步骤S2中，还包括确定帧内聚类中的参数：矩形邻域参数纵向距离eps_rx1、横向距离eps_ry1和速度差阈eps_v1，以及每个簇中包含的最小点数Minpts1＝1；其中，对回波数据中的速度进行观察，发现同一个目标的速度差异很小，因此将速度参数引入，设置速度差阈值eps_v1，更好的对回波目标进行聚类；

初始化聚类簇数k1＝0，未访问样本集合Γ1＝P′，簇划分集

点迹数据经过DBSCAN算法处理，将它们划分到各簇，得到簇划分集C＝{C₁，C₂，…，C_k}，根据每个簇的样本点，对该簇求质心，以质心信息S_i代替各簇点云信息，得到簇质心信息集合S＝{S₁，S₂，S₃，…，S_k}。

4.根据权利要求3所述的基于交通毫米波雷达点云数据的聚类方法，其特征在于，根据交通中车辆的回波数据呈矩形分布，使邻域在扩展时尽可能避免相邻车道的车辆聚成一个目标或者将超长车聚类成两个目标。

5.根据权利要求1所述的基于交通毫米波雷达点云数据的聚类方法，其特征在于，在所述步骤S2中，还包括：

S3.1获取前一帧数据的簇质心数据信息S′＝{S′₁，S′₂，S′₃，…，S′_k}，与当前帧的簇质心数据进行帧间聚类；

S3.2确定帧间聚类中的参数：矩形邻域参数eps_rx2，eps_ry2，eps_v2，以及每个簇中包含的最小点数Minpts2＝2，这样可以将帧内聚类时保留的噪声点去除掉，仅保留有前后帧联系的点迹数据；

S3.3将同帧同簇的样本点分别进行点迹凝聚，得到最终的当前帧簇质心信息。

6.根据权利要求5所述的基于交通毫米波雷达点云数据的聚类方法，其特征在于，所述步骤S3.3中，还包括：对帧间聚类后各簇划分集C′＝{C’₁，C‘₂，…，C’_k}中各簇样本点进行点迹凝聚，在每簇中选出当前帧帧号的样本点对其进行点迹凝聚，凝聚后的质心信息为：S_i＝{r_i，x_i，y_i，v_i，θ_i，F_now}，i＝1，2，3，…，k.k为划分簇的数量，F_now为当前帧帧号；其中：