[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

说明书

本发明公开了一种基于滑窗的毫米波雷达多模式自适应稀疏点云聚类方法，首先对于毫米波雷达点云集计算每个点的横向距离系数，并进行DBSCAN聚类，输出聚类结果；对从聚类簇中提取的有效点云进行位置外推集预测，最终进行滑窗处理聚类。本发明能够针对毫米波雷达在不同工作波形下的点云差异导致的聚类问题，同时还能够解决毫米波雷达在不同距离下的点云分布不均匀的问题。

技术领域

本发明涉及一种聚类方法，尤其涉及一种基于滑窗的毫米波雷达多模式自适应稀疏点云聚类方法，属于车载毫米波雷达技术领域。

背景技术

随着近年来MMIC技术发展，毫米波雷达通道数量大爆发，在早期的水平检测能力后又发展了垂直检测能力。此外随着通道数量的增加，目标探测的精度也大大增加，这使得毫米波雷达也具备输出点云的能力。点云信号包括xyz轴的位置信息，同时包含速度、snr、rcs等信息。现阶段的4D毫米波雷达为了兼顾探测分辨率和远距离探测的能力，在波形设计上分别有所取舍。如图1，在一款4D雷达的规格说明中，采用两种不同的发波模式进行工作。

这两种模式在目标探测上近乎两款雷达，假如采用相同的聚类参数和方式进行聚类，影响聚类效果不佳。极易丢失其中一帧的目标信息。如图2对比所示，在远距模式下的点云稀疏，而近距离的点云相对稠密。采取传统聚类方式导致Far模式下的目标检测存在丢失。且在两种波形交替工作时，衔接距离处目标物体在聚类时出现丢失。

此外，因为电磁波的球面传播特性，毫米波雷达的探测目标在不同位置下的点云分布存在放射性特点，在不同距离下需动态调整其聚类门限。如图3所示。

经申请人检索，发现在现有技术中，专利202210460110.0公开了一种基于DBSCAN的4D毫米波雷达聚类方法和存储介质。该方法首先获取得到本车信息，车道线信息和毫米波雷达点云信息；然后计算点云信号中各点的局部搜索半径并对搜索半径进行排序；最后对点云直接进行DBSCAN聚类处理。该发明以传统DBSCAN为基础，调整和局部搜索半径，并对所有原始探测进行排序再进行聚类以及对聚类结果进行动态判断是否为单帧目标。该方法逻辑简单，实质上仅依据点云速度和距离调整搜索半径，面对不同雷达波形模式下的点云稀疏不一致问题，无法解决聚类标准的不统一。且根据其方法，在判断距离时采用的参数不具有普适性，参数固定是特定雷达的经验值。无法解决不同雷达波形、不同距离下的毫米波雷达聚类。

而专利202210562772.9公开了一种基于KDE-DBSCAN的毫米波雷达点云目标聚类方法。该方法对于单帧点云的所有点，根据每个点云所在区域的k值，计算对应的关联窗宽度W以及该点相邻点RN；然后根据每个店的关联窗宽度W和关联相邻点RN，把点云数据集D初步划分为不同的伪簇FC；并统计么个伪簇中的点数，删除点数小于λ的伪簇；然后确定每个伪簇的最优关联半径和最小关联点数；最后根据最优关联半径和最小关联点数使用DBSCAN算法分别对每个伪簇进行聚类。该发明方法可以使用毫米波雷达的点云分布特点，进而提高毫米波雷达目标的聚类质量。但从该方法的基本逻辑上，该方法无法匹配毫米波雷达物理特性，对小目标物体和大目标物体接近时易出现冲突，无法区分。且对偶发噪点无法滤除，影响聚类效果。同时针对多帧数据计算量过大且无法解决不同波形工作时毫米波雷达的聚类问题。

发明内容

本发明所要解决的技术问题是，克服现有技术的缺点，提供一种基于滑窗的毫米波雷达多模式自适应稀疏点云聚类方法，能够针对毫米波雷达在不同工作波形下的点云差异导致的聚类问题，同时还能够解决毫米波雷达在不同距离下的点云分布不均匀的问题。

为了达到以上目的，本发明具体技术方案如下：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；