【技术实现步骤摘要】
本专利技术涉及雷达信号处理领域，尤其涉及一种基于群跟踪算法的点云聚类和跟踪方法。
技术介绍
1、近年来，毫米波雷达在多目标跟踪和感知方面得到了广泛研究。这一切都要归功于雷达回波中携带的多普勒信息和微多普勒，微多普勒一般是指目标各个部分运动而产生的附加多普勒信息。多普勒特性可以用于确定目标的特征，以此来进行目标的跟踪和感知，识别出的特征最终可转化为目标的运动特性，这归功于毫米波雷达波长极短而具有的高灵敏度。
2、通常，雷达工作在恶劣的信号传播环境中，其生成的多维点云信息会受到诸如噪声、目标遮挡、多径效应等影响。这使得对多目标跟踪和感知任务变得相当困难，例如噪声会导致目标跟踪不稳定、目标遮挡会使得目标跟踪不连续、多径效应则会导致出现虚假目标等。目前用于实现稳健可靠的多目标跟踪和感知的研究和技术，特别是毫米波雷达，尚未有一个统一的实现框架。鉴于此，本专利技术提出一种群跟踪算法，利用点云的多维度信息来解决上述难点，实现了一个点云处理流程。
3、现有技术方案
4、现有的多目标跟踪方案主要由两部分组成，第一步先是...
【技术保护点】
1.一种基于群跟踪算法的点云聚类和跟踪方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于群跟踪算法的点云聚类和跟踪方法，其特征在于，步骤1具体为：对于运动物体，我们认为其速度变化是合理的，故采用匀加速度模型；匀加速度模型假设目标做匀加速运动，我们使用卡尔曼滤波器来重新定义目标的位置估计，卡尔曼滤波器在n时刻的状态被定义为：
3.根据权利要求2所述的基于群跟踪算法的点云聚类和跟踪方法，其特征在于，步骤2具体为：在上述公式中，输入向量u(n)和状态向量s(n)之间具有非线性关系，即：
4.根据权利要求1所述的基于群跟踪...
【技术特征摘要】
1.一种基于群跟踪算法的点云聚类和跟踪方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于群跟踪算法的点云聚类和跟踪方法，其特征在于，步骤1具体为：对于运动物体，我们认为其速度变化是合理的，故采用匀加速度模型；匀加速度模型假设目标做匀加速运动，我们使用卡尔曼滤波器来重新定义目标的位置估计，卡尔曼滤波器在n时刻的状态被定义为：
3.根据权利要求2所述的基于群跟踪算法的点云聚类和跟踪方法，其特征在于，步骤2具体为：在上述公式中，输入向量u(n)和状态向量s(n)之间具有非线性关系，即：
4.根据权利要求1所述的基于群跟踪算法的点云聚类和跟踪方法，其特征在于，步骤3具体为：在时刻n-1处，两个轨迹的质心记为g1(n-1)和g2(n-1)，在预测步骤中，根据运动模型预测时刻n的轨迹质心，预测的轨迹质心标记为g1,apr(n)、g2,apr(n)；
5.根据权利要求1所述的基于群跟踪算法的点云聚类和跟踪方法，其特征在于，步骤4具体为：在时刻n从检测层获得的一组测量值需要被关联到...
【专利技术属性】
技术研发人员：苏涛，周振坚，李宜泓，王洋洋，赵岩，孙晓娜，
申请(专利权)人：利国智能科技昆山有限公司，
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。