[发明专利]基于4D毫米波雷达实现目标特征提取与多目标跟踪的方法

权利要求书

1.一种基于4D毫米波雷达实现目标特征提取与多目标跟踪的方法，其特征在于，所述的方法包括以下步骤：

（1）获取雷达输出的点云数据，并对点云数据进行预处理，剔除野值；

（2）对经过预处理后得到的点进行DBSCAN聚类处理；

（3）对获取到的每一聚类均进行目标特征提取处理；

（4）对当前已有航迹进行预测，并将预测结果与聚类结果进行全局关联匹配；

（5）根据关联聚类结果，执行相应的多目标跟踪运动状态处理，获取横摆角速度；

（6）基于目标运动状态，更新目标尺寸信息以及航向角信息；

所述的步骤（2）具体为：

根据点云信息中的各个点的坐标位置以及相对径向速度，进行DBSCAN聚类处理，具体为：

；

其中， i ，j 表示参与判别的两个点的索引，x ，y ，z 分别表示每个点的坐标位置，vr表示相对径向速度；

所述的步骤（3）具体包括以下步骤：

（3.1）计算聚类平均径向速度 、x平均值  和y平均值  ；

（3.2）统计聚类点在 z 方向的最大值和最小值，用最大值减去最小值的差作为聚类高度特征；

（3.3）将同一聚类下的每个点的x，y坐标分别减去， 得到  ，；

（3.4）以1°为间隔，遍历0至90°范围，用每个角度对得到的所有，进行旋转，确定旋转后的、 、和，并通过以下公式计算损失函数：

；

并记录所述的损失函数最小的角度值 angle 及相应的、、 和；

（3.5）使用  和  中的较大者作为聚类长度特征，将较小者作为聚类宽度特征，并用  ， 的平均值  和  ， 的平均值 经旋转－angle 角度后，再加上 ，  后得到的值作为聚类中心坐标（ ，）；

（3.6）如果 ，angle增加90度，且angle方向与平均径向速度的方向夹角超过90度，则angle再增加180度，取最终的angle值作为聚类的航向角特征；

（3.7）根据前述获取到的所述的聚类中心坐标、聚类长度特征、聚类宽度特征、聚类高度特征以及航向角特征，构造聚类矩形目标包围框，以供后续进行目标特征提取处理；

所述的步骤（4）具体包括以下步骤：

（4.1）取运动状态为，并采用线性卡尔曼滤波方式进行已有航迹预测处理，具体为：

；

其中，为x向速度分量，为x向加速度分量，为y向速度分量，为y向加速度分量，为目标x向位置预测值，为x向速度分量预测值，为x向加速度分量预测值，为目标y向位置预测值，为y向速度分量预测值，为y向加速度分量预测值，T为相邻两帧雷达点云间的时间间隔；

（4.2）利用已有航迹的长和宽计算对角线长度dist_cri_1：

；

利用聚类长度和宽度特征，计算对角线长度dist_cri_2：

；

并按0.6和0.4的权值加权计算关联距离的上限dist_cri：

；

计算已有航迹预测位置(,)与聚类中心的欧式距离：

；

并根据以下公式计算距离关联分数：

；

（4.3）根据已有航迹预测位置、聚类位置、尺寸以及航向角，计算所述的聚类矩形目标包围框各顶点的坐标和矩形框的面积，并根据以下公式计算尺寸关联分数：

；

（4.4）根据已有航迹的预测位置、预测速度和横摆角速度，通过以下公式计算待关联聚类每一点的预测径向速度：

；

其中，  表示预测径向速度， 表示目标横摆角速度， 表示聚类点云中每个点的径向速度方向；

对同一聚类内的各点预测径向速度取平均值得到平均预测径向速度，并与聚类实测的平均径向速度求差，得到差值 delta_vr，并通过以下公式计算速度关联分数：

；

其中，  为预设阈值；

（4.5）将上述计算获取的距离关联分数、尺寸关联分数以及速度关联分数进行加权求和，以获得航迹与聚类的最终关联分数；

（4.6）根据每个聚类与每个已有航迹的最终关联分数，构造关联矩阵，包括：矩阵的行数等于已有航迹的个数，矩阵的列数为当前聚类的个数，矩阵第i行第j列的值为第i个已有航迹与第j个聚类的关联分数，基于关联矩阵进行全局关联匹配。