【技术实现步骤摘要】
一种基于希尔伯特编码的目标聚类方法、介质及设备
[0001]本专利技术涉及数据处理领域,特别是涉及一种基于希尔伯特编码的目标聚类方法、介质及设备。
技术介绍
[0002]随着技术点的发展,目标聚类技术也更加的成熟,且被广泛应用至生活生产的多个领域中,如自动驾驶领域。现有的检测目标的获取方法为:利用卷积神经网络对对应场景中3D信息进行识别检测,在卷积神经网络中通过大量的卷积运算后,可以寻找到对应的检测目标。进而,实现对整个三维空间内的任何方向任何位置的物体进行无差别检测的目的。但是,由于其受限于算法本身的计算复杂度、硬件设备的运算能力以及实际应用的场景中图像信息的复杂程度。当输入卷积神经网络中的3D信息数据量极大时,该方法需要耗费大量的时间及资源进行计算,无法及时的输出检测结果。
[0003]而在机场机坪安全监视领域,由于航空器尺寸巨大,机坪场景较为复杂,且机坪上存在灯杆、廊桥固定端、廊桥移动端等众多干扰物。由此,使得在该场景中产生的3D信息数据量极大,现有的聚类方法计算较为复杂难以及时输出检测结果,实时性较低。同时由于飞机提交较大容被其他目标遮挡,所以被遮挡的位置的点云数据无法获得,进而造成最终得到的目标点云中会存在部分位置的点云缺失,导致目标点云的断裂。而现有的聚类方法容易将目标点云从断裂位置分开分别聚类成不同的目标,由此使得最终得到的聚类结果精度较低。
技术实现思路
[0004]针对上述技术问题,本专利技术采用的技术方案为:
[0005]根据本专利技术的一个方面,提供了一种基于希尔 ...
【技术保护点】
【技术特征摘要】
1.一种基于希尔伯特编码的目标聚类方法,其特征在于,所述方法包括如下步骤:获取目标区域内感兴趣目标对应的点云编码集M=(M
g1
,M
g2
,
…
,M
gh
,
…
,M
gz
);其中,M
gh
为构成所述感兴趣目标的第h个激光点的目标点云编码;M中的每一个目标点云编码均为g阶希尔伯特曲线对所述目标区域内感兴趣目标进行编码后得到的点云编码;h=1,2,
…
,z,z为M中点云编码的总数量;所述感兴趣目标包括多个子目标;获取M中的每一目标点云编码对应的赋标编码,以得到M对应的赋标编码集N=(N
g
‑
11
,N
g
‑
12
,
…
,N
g
‑
1h
,
…
,N
g
‑
1z
);其中,N
g
‑
1h
为M
gh
对应的赋标编码;每一所述赋标编码为对应的目标点云编码的g
‑
1阶希尔伯特编码;根据N及M,生成所述感兴趣目标对应的多个赋标子集O1,O2,
…
,O
m
,
…
,O
y
,O
m
=(O
m1
,O
m2
);其中,O
m
为感兴趣目标对应的第m个赋标子集;y为感兴趣目标对应的赋标子集的总数量;m=1,2,
…
,y,y≤z;O
m1
为O
m
对应的赋标编码;O
m2
为O
m
对应的点云编码数组;O
m2
=(M
gm1
,M
gm2
,
…
,M
gmp
,
…
,M
gmf(m)
);M
gmp
为O
m2
中的第p个目标点云编码;p=1,2,
…
,f(m),f(m)为O
m2
中目标点云编码的总数量;f(m)≤z;O
m2
中每一目标点云编码对应的赋标编码均为O
m1
;根据每一所述赋标子集对应的赋标编码,生成所述感兴趣目标对应的多个空间聚集子集Q1,Q2,
…
,Q
q
,
…
,Q
x
;其中,Q
q
为感兴趣目标对应的第q个空间聚集子集;x为感兴趣目标对应的空间聚集子集的总数量;q=1,2,
…
,x,x≤y;Q
q
=(Q
q1
,Q
q2
,
…
,Q
qr
,
…
,Q
qf(q)
)且Q
q1
<Q
q2
<
…
<Q
qr
<
…
<Q
qf(q)
;Q
qr
为Q
q
中第r个赋标编码;r=1,2,
…
,f(q),f(q)≤y;f(q)为Q
q
中赋标编码的总数量;Q
qf(q)
满足如下条件:Q
qf(q)
‑
Q
q1
≤R;其中,R为预设距离半径;获取每一空间聚集子集对应的空间聚集编码集S1,S2,
…
,S
q
,
…
,S
x
;其中,S
q
为Q
q
对应的空间聚集编码集;S
q
=(S
q1
,S
q2
,
…
,S
qr
,
…
,S
qf(q)
);S
qr
为Q
qr
对应的空间聚集编码;每一所述空间聚集编码为对应的目标点云编码的g
‑
2阶希尔伯特编码;对每一空间聚集编码集进行数据清洗处理,以获得每一所述子目标对应的目标点云编码集;根据每一目标点云编码集中目标点云编码的数量,确定每一目标点云编码集对应的所述子目标的属性;所述数据清洗处理包括:获取所述空间聚集编码集中每一种空间聚集编码的编码总数;每当编码总数小于清洗阈值时,从所述空间聚集编码集中去除所述编码总数对应的空间聚集编码;以得到空间聚集编码集对应的初始目标点云编码集;将初始目标点云编码集中的每一空间聚集编码对应的赋标子集中的目标点云编码加入对应的目标点云编码集中,以生成对应的子目标的目标点云编码集。2.根据权利要求1所述的方法,其特征在于,根据N及M,生成所述感兴趣目标对应的多个赋标子集,包括:多次对N中剩余的赋标编码进行第一匹配处理,以生成多个所述赋标子集;所述第一匹配处理包括:选取当前N中最小的赋标编码作为目标赋标编码;建立对应的赋标子集,将所述目标赋标编码作为所述赋标子集的赋标编码,将所述目标赋标编码在M中对应的目标点云编码存入所述赋标子集的点云编码数组中;将所述目标赋标编码与N中剩余的每一赋标编码进行匹配;
每当剩余的任一赋标编码与所述目标赋标编码匹配成功时,将所述赋标编码在M中对应的目标点云编码存入所述赋标子集的点云编码数组中;将当前N中与所述目标赋标编码相同的所有赋标编码删除,以更新N中剩余的赋标编码。3.根据权利要求1所述的方法,其特征在于,根据每一所述赋标子集对应的赋标编码,生成所述感兴趣目标对应的多个空间聚集子集,包括:多次对中剩余的赋标子集对应的赋标编码进行第二匹配处理,...
【专利技术属性】
技术研发人员:王鹏,王伟,陈亚超,邓胜吉,
申请(专利权)人:中国民用航空总局第二研究所,
类型:发明
国别省市:
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。