[发明专利]一种基于预测误差反馈的毫米波雷达交通目标聚类方法

权利要求书

1.一种基于预测误差反馈的毫米波雷达交通目标聚类方法，包括以下步骤：

步骤1，输入点云数据，使用轮廓系数作为优化算法的适应度函数，轮廓系数s(i)公式为：

公式中，a(i)表示类内距离，b(i)表示类间距离；

通过网格搜索算法，得到最优Eps以及加权欧式距离的最优权重w，加权欧式距离公式为：

公式中，x，y，v分别为点云相对雷达的横坐标、轴坐标和速度；

步骤2，使用加权欧式距离进行点云DBSCAN聚类，得到初步聚类结果；

步骤3，计算初步聚类后各点簇的质心Centroid以及平均速度v，计算公式为：

公式中，n为簇中点云个数；

步骤4，判断各点簇平均速度相差是否小于阈值α，若满足，继续判断点簇质心距离是否小于阈值β，若满足，继续步骤5；否则，跳到步骤10；

步骤5，采用匀速CV模型，描述系统的状态向量F(k)为系统状态转移矩阵，I(k)为过程噪声分布矩阵，v(k)为过程噪声向量，目标状态公式为：

X(k+1)＝F(k)X(k)+I(k)v(k)

将满足条件的点簇分别视为单目标和多目标两种情形，进行状态预测，G(k)为输入控制项矩阵，u(k)为已知输入或控制信号，预测公式为：

步骤6，对下一帧进行最近邻关联，分别记录将点簇视为单目标和多目标情况下的未关联帧数，若两者的未关联帧数相等，则继续步骤7；

若多目标情况的未关联帧数大于单目标情况的未关联帧数，跳到步骤9；否则，跳到步骤10；

步骤7，积累连续5帧关联成功后的预测误差值Er，预测误差公式为：

步骤8，比较单目标情况与多目标情况的预测误差，若多目标情况的预测误差大于单目标情况的预测误差，继续步骤9；否则，跳到步骤10；

步骤9，将点簇合并作为一类，作为最终聚类结果，跳到步骤11；

步骤10，以初步聚类结果为最终聚类结果；

步骤11，聚类结束，输出结果。