[发明专利]基于滑窗的毫米波雷达多模式自适应稀疏点云聚类方法

权利要求书

1.基于滑窗的毫米波雷达多模式自适应稀疏点云聚类方法，其特征在于：包括如下步骤：

步骤1、对毫米波雷达点云集D进行坐标转换处理，即转换为笛卡尔FLU坐标系；

步骤2、对第一帧毫米波雷达点云D集中的所有点基于雷达点云分布公式进行计算，计算每个点的横向距离系数D_rate；根据所述D_rate在进行DBSCAN聚类时，转换原有的欧式距离，计算符合物理特性的相对等效距离；

步骤3、根据前述步骤中的等效距离对点云集D进行DBSCAN聚类并输出聚类结果；

步骤4、根据前述步骤中DBSCAN聚类的结果对所有聚类簇内的点云进行预测，根据速度外推所述点云的下一帧位置，获得新点云集N；

步骤5、根据前述步骤得到第二帧点云集D’，并将新点云集N和点云集D’合并，

进行滑窗聚类处理；

步骤6、根据前述步骤计算所有点云的横向距离系数；

步骤7、进行新一轮DBSCAN聚类，并输出结果。

2.根据权利要求1所述的基于滑窗的毫米波雷达多模式自适应稀疏点云聚类方法，其特征在于：所述步骤2中，横向距离系数d_rate的计算方法如下：

其中，

其中，g和f为可调系数，理论值为g＝f＝1，可根据经验进行调试；

Ri表示i的对应的距离，Ang_res表示角度分辨率，r_res表示距离分辨率。

3.根据权利要求1所述基于滑窗的毫米波雷达多模式自适应稀疏点云聚类方法，其特征在于：所述步骤2中，两点的相对等效距离的计算方法如下：

其中，x_i，y_i表示点i的坐标，x_i+1，y_i+1表示点(i+1)的坐标。d_rate表示上述的横向距离系数。

4.根据权利要求1所述的基于滑窗的毫米波雷达多模式自适应稀疏点云聚类方法，其特征在于：所述步骤3的具体内容为：

步骤3.1、在点云集D中任意选择一个数据对象点p；

步骤3.2、对域参数最小搜索半径eps和最小点云数minpts，计算p与剩余点间的dist；在点云集PN中继续任选一个点p’，计算剩余点与p’的dist；则p与p’，形成一个簇；

步骤3.3、选择剩余的点云中的任意一个，继续循环步骤3.2，直到点云集D中所有点云均被分配。

5.根据权利要求4所述的基于滑窗的毫米波雷达多模式自适应稀疏点云聚类方法，其特征在于：若dist小于eps的点云集PN数量大于最小点云数minpts，且点云间RCS差异小于10dB，则p为核心点；

若dist小于eps，且数量小于minpts，rcs小于10dB，则p’为核心点，如此循环。

6.根据权利要求1所述的基于滑窗的毫米波雷达多模式自适应稀疏点云聚类方法，其特征在于：所述步骤4的具体内容为：

步骤4.1、获取所有在聚类簇中的点云的速度和位置信息，对有效点云进行位置外推集预测；

步骤4.2、外推下一时间的有效点位置信息，计算公式如下：

p_t+1＝p_t+Δt＊ν_t      (4)，

并保留剩余点云参数。