【技术实现步骤摘要】
本专利技术涉及雷达点云数据处理，特别是涉及一种mimo毫米波成像雷达点云像干扰点消除方法。
技术介绍
1、mimo毫米波成像雷达在自动驾驶、无人机导航、安防监控等领域具有广泛的应用前景，其能够提供高分辨率的环境感知能力。然而，雷达点云数据中常常存在大量的干扰点或噪声，这些干扰点可能由环境复杂性、多径效应、散射体或其他不相关目标引起，严重影响了目标检测和跟踪的准确性。此外，由于制作工艺、信号处理和算法运行的非理想性等因素的影响，实际的mimo雷达成像系统在输出点云数据时，会存在一些离群或非离群但特性不一致的干扰点。
2、现有技术在雷达点云数据的噪点消除中存在以下不足：首先，k均值算法在处理雷达点云数据时，需要事先知道目标的数量信息，并且在基于距离分布的数据集分类效果较差。其次，尽管dbscan算法不需要目标数量的先验信息，且参数较少、实施简单，但由于雷达点云的“近密远疏”特性，采用固定参数的dbscan算法在处理不同距离下的目标和噪点时效果不佳，容易出现远距离小目标被误识为噪点，或近处的噪点被误保留的现象。这些不足导致现有方法难以在复杂的雷达点云数据中有效地消除干扰点，影响了雷达成像系统的准确性和可靠性。
技术实现思路
1、本专利技术的目的在于提供一种mimo毫米波成像雷达点云像干扰点消除方法，通过雷达系统参数和目标尺寸等先验信息动态调整聚类参数，以及增设新的维度将速度转化为距离的方式，提升动、静目标点云像清晰程度，有效克服了传统基于密度的带噪声空间聚类的噪点消除方法无法
2、本专利技术的目的是采用下述技术方案实现的：
3、一种mimo毫米波成像雷达点云像干扰点消除方法，所述方法包括以下步骤：
4、步骤1：数据输入与坐标转换。首先进行雷达数据输入，并将数据在新的距离维度上进行坐标转换，分离距离近但速度差距大的目标；
5、步骤2：雷达参数输入，将雷达系统参数先验信息输入系统；
6、步骤3：dbscan算法参数配置，动态调整算法的搜索半径和最小点数。根据雷达系统相关的先验信息设置更加合理的dbscan算法参数以满足干扰点消除需求；
7、步骤4：聚类实施与聚类结果输出，将样本中非聚类簇的点去除。
8、进一步地，所述步骤1包括以下步骤：
9、步骤1.1：雷达数据输入。使用mimo毫米波成像雷达采集环境中的点云数据，将mimo毫米波成像雷达采集的点云数据输入到系统中。
10、步骤12：根据目标距离和速度之间的关系，为所有目标增加一个时间因子tv。
11、步骤1.3：将目标的速度乘以时间因子tv，不同速度的在相同的时间因子tv的作用下会在新的f维度中呈现不同距离位置，成功分离距离近但速度差距大的目标。
12、进一步地，所述雷达系统参数先验信息包括距离分辨率、角度分辨率、速度分辨率、探测目标的尺寸、雷达成像距离。
13、进一步地，所述步骤3包括以下步骤：
14、步骤3.1：雷达点云密度分析。计算每个局部距离段区域的目标点云密度，分析局部目标点云密度的分布，绘制密度图或密度热图，以可视化数据集中的密度变化。
15、步骤3.2：对雷达的探测范围进行多距离划分。依据目标点云密度随距离范围的变化规律与雷达角分辨率，合理划分距离区间，遵循由短到长的规律，将雷达的作用距离范围划分为非等间隔的距离区间，当探测距离范围内目标横向尺寸都小于波束宽度时，后续的距离范围可视为一个距离段且不需要再进行划分。
16、步骤3.3：动态设置dbscan算法的搜索半径。对于高密度区域，选择较小的搜索半径值，以捕捉这些区域的细节和小型聚类簇，对于低密度区域，选择较大的搜索半径值，以确保这些区域的点能够形成合理的聚类簇，而不是被标记为噪声。在每次聚类之后，根据聚类效果调整搜索半径，直到达到理想的聚类效果。
17、步骤3.4：动态设置dbscan算法最小点数值。对于每个核心点，根据距离区域内目标点云密度的不同，动态调整最小点数值，以匹配该区域的点密度。每次聚类之后，评估结果的质量，并根据聚类结果中的误检率或漏检率调整最小点数，直到达到理想的聚类效果。
18、进一步地，所述步骤4包括以下步骤：
19、步骤4.1：核心点判断与临时簇类形成。从任意一个样本点出发，记录落在以其为中心且半径为搜索半径的圆形范围内的样本点数量。当点数目大于或等于最小值参数时，则判定这些样本点集合为临时簇类且处于中心的样本点为核心点，依次遍历所有样本点以得到该样本数据中所有核心点和临时簇类；通常，依据距离公式判断样本点是否落在核心点的范围内：
20、
21、其中，dist表示当前样本点与核心点直接的距离，其与搜索半径值进行判断。xc,yc,zc为核心点的三个距离维度坐标，而xi,yi,zi分别为样本点三维距离维度坐标。
22、步骤4.2：并临时簇类得到最终聚类簇。从任意一个核心点出发，找到其密度可达的核心点，并将所属的临时簇类合并为同一个聚类簇。依次遍历所有核心点，完成最终样本数据的目标点和非目标点的判别。
23、步骤4.3：将样本中非聚类簇的点去除，输出聚类结果。
24、本专利技术的优点是：
25、(1)动态参数优化：本专利技术根据雷达系统的先验信息动态调整dbscan算法的聚类参数，使其更好地适应雷达点云数据的“近密远疏”特性。这种优化方法有效避免了远距离小目标被误识为噪点或近距离噪点被误保留的问题，提高了噪点消除的准确性。
26、(2)提高雷达成像质量：通过有效地去除干扰点，本专利技术提高了mimo毫米波成像雷达的点云数据质量，改善了成像系统的整体表现，满足了高分辨率环境感知的要求。
27、(3)实施简便：本专利技术尽管引入了动态参数调整和多维度分析，但整体算法结构仍保持了dbscan算法的简洁性，易于在现有雷达成像系统中集成和实施。
本文档来自技高网...【技术保护点】
1.一种MIMO毫米波成像雷达点云像干扰点消除方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种MIMO毫米波成像雷达点云像干扰点消除方法，其特征在于，所述步骤1包括以下步骤：
3.根据权利要求1所述的一种MIMO毫米波成像雷达点云像干扰点消除方法，其特征在于，所述雷达系统参数先验信息包括距离分辨率、角度分辨率、速度分辨率、探测目标的尺寸、雷达成像距离。
4.根据权利要求1所述的一种MIMO毫米波成像雷达点云像干扰点消除方法，其特征在于，所述步骤3包括以下步骤：
5.根据权利要求1所述的一种MIMO毫米波成像雷达点云像干扰点消除方法，其特征在于，所述步骤4包括以下步骤：
【技术特征摘要】
1.一种mimo毫米波成像雷达点云像干扰点消除方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种mimo毫米波成像雷达点云像干扰点消除方法，其特征在于，所述步骤1包括以下步骤：
3.根据权利要求1所述的一种mimo毫米波成像雷达点云像干扰点消除方法，其特征在于，所述雷达系统参数先验...
【专利技术属性】
技术研发人员：丁凯，张华，温如月，许业文，陈宇，阎紫航，黄文军，吕荣其，赵鹏，杨波，
申请(专利权)人：中国人民解放军六三九八三部队，
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。