【技术实现步骤摘要】
基于自适应阈值椭圆模型的点云聚类方法及系统
[0001]本专利技术涉及雷达跟踪及识别的
,具体地,涉及基于自适应阈值椭圆模型的点云聚类方法及系统。
技术介绍
[0002]由于毫米波雷达不受光照因素、天气条件影响,且具有较强穿透性的特点,逐渐在监控安防、交通监测、车载雷达等领域得到了广泛应用。雷达可以获得移动目标的距离、方位、速度等量测信息,但容易受到周围环境噪声的影响,存在多目标跟踪性能不佳的问题。
[0003]随着高分辨率雷达技术的发展,国内外对于毫米波雷达点云数据的研究也逐渐成为了最近几年内的研究热点。虽然雷达点云数据相比较于摄像头、激光雷达的点云数据具有较强稀疏性的特点,但是毫米波雷达具有全天时、全天候检测的优势,且对于移动目标检测具有较高的准确率,运算量也较小。通过雷达获得目标的距离、方位、速度等信息,利用目标聚类、目标关联和跟踪方法,可以实现对机动车、非机动车、行人等目标的监控。目前,毫米波雷达产品在市场的需求旺盛。
[0004]毫米波雷达点云数据是包含目标量测信息(距离、方位、径向速度、信号强度)的多个反射点构成的,可以理解为是一簇聚集多个点的点目标。毫米波雷达点云数据包含目标的空间位置信息(距离、角度)、速度等信息,点云数据优势在于目标有多个反射点,通过合适的空间聚类方法,可以提高目标检测的准确性;然后通过目标关联方法和卡尔曼滤波器,对目标航迹进行预测、更新,提高多目标跟踪的准确性。
[0005]在监控领域,如园区安防、室内人员检测、交通流量检测等,通过获得目标的距离、速度 ...
【技术保护点】
【技术特征摘要】
1.一种基于自适应阈值椭圆模型的点云聚类方法,其特征在于,所述方法包括如下步骤:步骤S1:创建数据缓冲池,存储累计帧的雷达点云数据;获取点云数据集;步骤S2:初始化聚类阈值半径R
b
、R
b
和簇类集合,进行自适应椭圆聚类模型算法;步骤S3:得到聚类结果,进行目标匹配;步骤S4:得到目标匹配结果,通过设定阈值,对不满足匹配阈值的目标进行解匹配,即匹配失败,删除该组匹配信息;步骤S5:进行匹配跟踪;步骤S6:重复步骤S1至步骤S5,直至没有数据输入。2.根据权利要求1所述的基于自适应阈值椭圆模型的点云聚类方法,其特征在于,所述步骤S2包括如下步骤:步骤S2.1:输入雷达量测点的点云数据集;步骤S2.2:初始化聚类阈值,包括阈值长短轴半径R
a
、R
b
和簇类集合,所述簇类最少包含的点个数为MinPts;步骤S2.3:判断是否为新簇类,若是,转至步骤S2.5,若否则转至步骤S2.4;步骤S2.4:根据量测点,重新估计阈值长短轴半径R
a
、R
b
,并更新椭圆模型的圆心,生成新的椭圆模型,圆心为新加入的量测点;步骤S2.5:邻域聚类搜索;步骤S2.6:判断是否有新加入的量测点,若是,转至步骤S2.4,否则转至步骤S2.7;步骤S2.7:判断是否所有的量测点都被标记,若是,则输出聚类结果,若否,则创建新簇类,转至步骤S2.2。3.根据权利要求1所述的基于自适应阈值椭圆模型的点云聚类方法,其特征在于,所述步骤S3得到聚类结果后,根据匈牙利匹配算法进行目标匹配。4.根据权利要求1所述的基于自适应阈值椭圆模型的点云聚类方法,其特征在于,所述步骤S5为使用卡尔曼滤波器进行匹配跟踪。5.一种基于自适应阈值椭圆模型的点云聚类系统,其特征在于,所述系统包括如下模块:模块M1:创建数据缓冲池,存储累计帧的雷达点云数据;获取点云数据集;模块M2:初始化聚类阈值半径R
a
...
【专利技术属性】
技术研发人员:廖文龙,汪呈智,何弢,彭湃,
申请(专利权)人:上海酷移机器人有限公司,
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。