【技术实现步骤摘要】
【国外来华专利技术】雷达点云聚类方法和装置
[0001]本申请涉及雷达成像领域，尤其涉及一种雷达点云聚类方法和装置。
技术介绍
[0002]随着高级驾驶辅助系统(advanced driver assistance systems，ADAS)和无人驾驶技术的发展，对车载雷达的探测距离、角度分辨率等性能提出了更高的要求。目前的车载雷达(例如毫米波雷达)在对一个目标进行成像时会检测出多个测量点，形成高分辨率的目标点云，这种车载雷达也称之为点云成像雷达。
[0003]毫米波雷达对于同一目标进行测量会形成点云，为了对同一时刻检测的多个目标进行目标区分和状态估计，首先需要通过聚类方法对点云按照不同目标进行聚类。传统的带噪声的基于密度的聚类(density
‑
based spatial clustering of applications with noise，DBSCAN)算法，是基于一定距离范围内的点云密度来对点云进行聚类的，当多个目标距离相近时会出现多个目标的点云被聚成一个类的情况。
技术实现思路
[0004...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种雷达点云聚类方法，其特征在于，包括：根据点云数据的M个点中任意两个点相对于雷达的角度信息和距离信息，计算所述任意两个点之间的欧氏距离；其中，M为大于等于2整数；对所述任意两个点相对于所述雷达的径向速度作差，得到所述任意两个点之间的径向速度差；对满足欧氏距离小于第一距离门限，并且，径向速度差小于第一速度门限的所述任意两个点进行聚类，得到N个目标点云；其中，N为大于1的整数。2.根据权利要求1所述的方法，其特征在于，还包括：根据所述N个目标点云中每个目标点云的所有点相对于所述雷达的角度信息和径向速度，计算所述N个目标点云分别对应的移动速度；根据所述N个目标点云分别对应的N个几何中心点相对于所述雷达的角度信息、距离信息和径向速度差，计算所述N个几何中心点中任意两个几何中心点之间的欧氏距离和径向速度差；对所述N个目标点云中，几何中心点之间的欧氏距离小于第二距离门限，并且，径向速度差小于第二速度门限的目标点云进行聚类，得到第一集群；对所述第一集群中，移动速度满足条件的目标点云进行聚类，得到第二集群。3.根据权利要求2所述的方法，其特征在于，所述根据所述N个目标点云中每个目标点云的所有点相对于所述雷达的角度信息和径向速度，计算所述N个目标点云分别对应的移动速度，包括：针对所述N个目标点云中的任一目标点云，根据K个步进角度、所述任一目标点云的所有T个点相对于所述雷达的角度信息和径向速度，计算所述T个点的与所述K个步进角度对应的移动速度；其中，K为正整数；根据所述T个点的与所述K个步进角度对应的移动速度，计算所述任一目标点云的移动速度。4.根据权利要求3所述的方法，其特征在于，所述根据K个步进角度、所述任一目标点云的所有T个点相对于所述雷达的角度信息和径向速度，计算所述T个点的与所述K个步进角度对应的移动速度，包括：针对所述T个点中的第t个点，将所述K个步进角度分别与所述第t个点的角度信息相减，得到所述第t个点的K个候选角度；所述K个候选角度表示所述第t个点的K个移动方向，1≤t≤T，t为正整数；将所述第t个点的径向速度向所述第t个点的所述K个候选角度分别进行逆投影，得到所述第t个点的与所述K个步进角度对应的移动速度。5.根据权利要求3或4所述的方法，其特征在于，所述根据所述T个点的与所述K个步进角度对应的移动速度，计算所述任一目标点云的移动速度，包括：针对所述K个步进角度中的第k个步进角度，对所述T个点的与所述第k个步进角度对应的移动速度取平均，得到均值；1≤k≤K，且k为整数；计算所述T个点的与所述第k个步进角度对应的移动速度与所述均值之间的均方差；根据最小的所述均方差计算目标步进角度；对所述T个点的与所述目标步进角度对应的移动速度取平均，得到所述任一目标点云
的移动速度。6.根据权利要求2
‑
5任一项所述的方法，其特征在于，所述根据所述N个目标点云分别对应的N个几何中心点相对于所述雷达的角度信息、距离信息和径向速度差，计算所述N个几何中心点中任意两个几何中心点之间的欧氏距离和径向速度差，包括：根据所述任意两个几何中心点相对于所述雷达的角度信息和距离信息，计算所述任意两个几何中心点之间的欧氏距离；对所述任意两个几何中心点相对于所述雷达的径向速度作差，得到所述任意两个几何中心点之间的径向速度差。7.根据权利要求2
‑
6任一项所述的方法，其特征在于，所述对所述N个目标点云中，几何中心点之间的欧氏距离小于第二距离门限，并且，径向速度差小于第二速度门限的目标点云进行聚类，得到第一集群，包括：将所述N个目标点云中不属于所述第一集群的，与第二几何中心点对应的目标点云，加入所述第一集群，其中，所述第二几何中心点与第一几何中心点之间的欧氏距离小于所述第二距离门限并且径向速度差小于所述第二速度门限，所述第一几何中心点为所述N个目标点云中属于所述第一集群的任一目标点云的几何中心点。8.根据权利要求2
‑
7任一项所述的方法，其特征在于，所述对所述第一集群中，移动速度满足条件的目标点云进行聚类，得到第二集群，包括：将属于所述第一集群的、移动速度之差小于第三速度门限的任意两个目标点云加入所述第二集群。9.根据权利要求2
‑
7任一项所述的方法，其特征在于，所述对所述第一集群中，移动速度满足条件的目标点云进行聚类，得到第二集群，包括：根据属于所述第一集群的任意两个目标点云的几何中心点的距离信息、角度信息和移动速度计算余弦相似度，其中，所述几何中心点的移动速度等于对应的目标点云的移动速度；将余弦相似度小于相似度门限的所述任意两个目标点云加入所述第二集群。10.根据权利要求1
‑
9任一项所述的方法，其特征在于，所述对欧氏距离小于第一距离门限，并且，径向速度差小于第一速度门限的所述任意两个点进行聚类，得到N个目标点云，包括：针对所述N个目标点云中任一目标点云，将所述任意两个点中不属于所述任一目标点云的，并且，与第一点之间的欧氏距离小于所述第一距离门限并且径向速度差小于所述第一速度门限的第二点，加入所述任一目标点云；其中，所述第一点为所述任意两个点中属于所述任一目标点云的点。11.根据权利要求10所述的方法，其特征在于，所述第一距离门限和所述第一速度门限满足以下条件中至少一个：所述第一点或所述第二点的距离信息越大，对应的第一距离门限越大；所述第一点或所述第二点的距离信息越大，对应的第一速度门限越大。12.一种雷达点云聚类方法，其特征在于，包括：根据N个目标点云中每个目标点云的所有点相对于雷达的角度信息和径向速度，计算所述N个目标点云分别对应的移动速度；根据所述N个目标点云分别对应的N个几何中心点相对于所述雷达的角度信息、距离信
息和径向速度差，计算所述N个几何中心点中任意两个几何中心点之间的欧氏距离和径向速度差；对所述N个目标点云中，几何中心点之间的欧氏距离小于第二距离门限，并且，径向速度差小于第二速度门限的目标点云进行聚类，得到第一集群；对所述第一集群中，移动速度满足条件的目标点云进行聚类，得到第二集群。13.根据权利要求12所述的方法，其特征在于，所述根据N个目标点云中每个目标点云的所有点相对于雷达的角度信息和径向速度，计算所述N个目标点云分别对应的移动速度，包括：针对所述N个目标点云中的任一目标点云，根据K个步进角度、所述任一目标点云的所有T个点相对于所述雷达的角度信息和径向速度，计算所述T个点的与所述K个步进角度对应的移动速度；其中，K为正整数；根据所述T个点的与所述K个步进角度对应的移动速度，计算所述任一目标点云的移动速度。14.根据权利要求13所述的方法，其特征在于，所述根据K个步进角度、所述任一目标点云的所有T个点相对于所述雷达的角度信息和径向速度，计算所述T个点的与所述K个步进角度对应的移动速度，包括：针对所述T个点中的第t个点，将所述K个步进角度分别与所述第t个点的角度信息相减，得到所述第t个点的K个候选角度；所述K个候选角度表示所述第t个点的K个移动方向，1≤t≤T，t为正整数；将所述第t个点的径向速度向所述第t个点的所述K个候选角度分别进行逆投影，得到所述第t个点的与所述K个步进角度对应的移动速度。15.根据权利要求13或14所述的方法，其特征在于，所述根据所述T个点的与所述K个步进角度对应的移动速度，计算所述任一目标点云的移动速度，包括：针对所述K个步进角度中的第k个步进角度，对所述T个点的与所述第k个步进角度对应的移动速度取平均，得到均值；1≤k≤K，且k为整数；计算所述T个点的与所述第k个步进角度对应的移动速度与所述均值之间的均方差；根据最小的所述均方差计算目标步进角度；对所述T个点的与所述目标步进角度对应的移动速度取平均，得到所述任一目标点云的移动速度。16.根据权利要求12
‑
15任一项所述的方法，其特征在于，所述根据所述N个目标点云的N个几何中心点相对于所述雷达的角度信息、距离信息和径向速度差，计算所述N个几何中心点中任意两个几何中心点之间的欧氏距离和径向速度差，包括：根据所述任意两个几何中心点相对于所述雷达的角度信息和距离信息，计算所述任意两个几何中心点之间的欧氏距离；对所述任意两个几何中心点相对于所述雷达的径向速度作差，得到所述任意两个几何中心点之间的径向速度差。17.根据权利要求12
‑
16任一项所述的方法，其特征在于，所述对所述N个目标点云中，几何中心点之间的欧氏距离小于第二距离门限，并且，径向速度差小于第二速度门限的目标点云进行聚类，得到第一集群，包括：
将所述N个目标点云中不属于所述第一集群的，与第二几何中心点对应的目标点云，加入所述第一集群，其中，所述第二几何中心点与第一几何中心点之间的欧氏距离小于所述第二距离门限并且径向速度差小于所述第二速度门限，所述第一几何中心点为所述N个目标点云中属于所述第一集群的任一目标点云的几何中心点。18.根据权利要求12
‑
17任一项所述的方法，其特征在于，所述对所述第一集群中，移动速度满足条件的目标点云进行聚类，得到第二集群，包括：将属于所述第一集群的、移动速度之差小于第三速度门限的任意两个目标点云加入所述第二集群。19.根据权利要求12
‑
17任一项所述的方法，其特征在于，所述对所述第一集群中，移动速度满足条件的目标点云进行聚类，得到第二集群，包括：根据属于所述第一集群的任意两个目标点云的几何中心点的距离信息、角度信息和移动速度计算余弦相似度，其中，所述几何中心点的移动速度等于对应的目标点云的移动速度；将余弦相似度小于相似度门限的所述任意两个目标点云加入所述第二集群。20.一种雷达点云聚类装置，其特征在于，包括：计算模块，用于根据点云数据的M个点中任意两个点相对于雷达的角度信息和距离信息，计算所述任意两个点之间的欧氏距离；其中，M为大于等于2整数；所述计算模块，还用于对所述任意两个点相对于所述雷达的径向速度作差，得到所述任意两个点之间的径向速度差；聚类模块，用于对满足欧氏距离小于第一距离门限，并且，径向速度差小于第一速度门限的所述任意两个点进行聚类，得到N个目标点云；其中，N为大于1的整数。21.根据权利要求20所述的雷达点云聚类装置，其特征在于，所述计算模块，还用于根据所述N个目标点云中每个目标点云的所有点相对于所述雷达的角度信息和径向速度，计算所述N个目标点云分别对应的移动速度；所述计算模块，还用于根据所述N个目标点云分别对应的N个几何中心点相对于所述雷达的角度信息、距离信息和径向速度差，计算所述N个几何中心点中任意两个几何中心点之间的欧氏距离和径向速度差；所述聚类模块，还用于对所述N个目标点云中，几何中心点之间的欧氏距离小于第二距离门限，并且，径向速度差小于第二速度门限的目标点云进行聚类，得到第一集群；所述聚类模块，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。