[發(fā)明專利]基于網(wǎng)格和DBSCAN的自適應(yīng)車載毫米波雷達(dá)聚類算法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110674446.2
• 申請(qǐng)日: 2021-06-17
• 公開（公告）號(hào): CN113325383B
• 公開（公告）日: 2023-07-04
• 發(fā)明（設(shè)計(jì)）人: 李光平;何雨毅
• 申請(qǐng)（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號(hào): G01S7/41
• 分類號(hào): G01S7/41;G01S13/00;G01S13/58;G01S13/92
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 劉思言

本申請(qǐng)公開了一種基于網(wǎng)格和DBSCAN的自適應(yīng)車載毫米波雷達(dá)聚類算法及裝置，針對(duì)車載毫米波雷達(dá)數(shù)據(jù)多密度的特點(diǎn)，可以使聚類參數(shù)根據(jù)數(shù)據(jù)密度的不同而發(fā)生變化，并且該變化來(lái)自數(shù)據(jù)本身，無(wú)需人工調(diào)整，可以解決車載毫米波雷達(dá)數(shù)據(jù)多密度聚類問題，無(wú)論高密度區(qū)域還是低密度區(qū)域都可以準(zhǔn)確分辨物體的個(gè)數(shù)以及對(duì)應(yīng)的速度；并且本申請(qǐng)的聚類算法可以準(zhǔn)確區(qū)分出接近的多個(gè)目標(biāo)。從而解決了現(xiàn)有DBSCAN聚類算法的參數(shù)是靜態(tài)的，導(dǎo)致對(duì)多密度的數(shù)據(jù)容易產(chǎn)生錯(cuò)誤的聚類結(jié)果的計(jì)算問題。

技術(shù)領(lǐng)域

本申請(qǐng)涉及雷達(dá)技術(shù)領(lǐng)域，尤其涉及一種基于網(wǎng)格和DBSCAN的自適應(yīng)車載毫米波雷達(dá)聚類算法及裝置。

背景技術(shù)

毫米波雷達(dá)是指工作在毫米波波段探測(cè)的雷達(dá)，毫米波雷達(dá)抗干擾能力強(qiáng)，識(shí)別很小的目標(biāo)以及多個(gè)目標(biāo)。聚類是指當(dāng)數(shù)據(jù)點(diǎn)數(shù)龐大的情況下，利用數(shù)學(xué)方法將數(shù)據(jù)點(diǎn)進(jìn)行歸類處理。在車載毫米波雷達(dá)方面，聚類是必不可少的模塊，因?yàn)榫垲惖慕Y(jié)果往往對(duì)自動(dòng)駕駛系統(tǒng)后續(xù)的處理產(chǎn)生重大的影響。

現(xiàn)有的毫米波聚類算法一般是利用原始的DBSCAN聚類算法，DBSCAN聚類需要的兩個(gè)參數(shù)分別是最小鄰域半徑(eps)，鄰近最少點(diǎn)數(shù)(Minpts)，但是原始DBSCAN算法的參數(shù)是全局參數(shù)，而毫米波雷達(dá)通過(guò)探測(cè)獲得的數(shù)據(jù)可能是多密度的數(shù)據(jù)集，即一定范圍內(nèi)，數(shù)據(jù)點(diǎn)的點(diǎn)數(shù)會(huì)不一樣，原因是毫米波雷達(dá)的探測(cè)會(huì)受到信噪比的影響，距離或環(huán)境不同，信噪比也不一樣。因此參數(shù)是全局參數(shù)的原始DBSCAN算法只能針對(duì)數(shù)據(jù)密度高的區(qū)域，而對(duì)于數(shù)據(jù)密度低的區(qū)域，往往會(huì)出現(xiàn)錯(cuò)誤，例如同類物體被錯(cuò)誤判別成多個(gè)物體。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┝艘环N基于網(wǎng)格和DBSCAN的自適應(yīng)車載毫米波雷達(dá)聚類算法及裝置，用于解決現(xiàn)有DBSCAN聚類算法的參數(shù)是靜態(tài)的，導(dǎo)致對(duì)多密度的數(shù)據(jù)容易產(chǎn)生錯(cuò)誤的聚類結(jié)果的計(jì)算問題。

有鑒于此，本申請(qǐng)第一方面提供了一種基于網(wǎng)格和DBSCAN的自適應(yīng)車載毫米波雷達(dá)聚類算法，所述方法包括：

獲取車載毫米波雷達(dá)的數(shù)據(jù)點(diǎn)，根據(jù)所述數(shù)據(jù)點(diǎn)中的速度最大值、速度最小值、距離最大值、距離最小值生成數(shù)據(jù)區(qū)域；

將所述數(shù)據(jù)區(qū)域劃分成若干個(gè)網(wǎng)格，并將數(shù)據(jù)點(diǎn)接近的相鄰網(wǎng)格合并，得到若干個(gè)大網(wǎng)格，設(shè)所述大網(wǎng)格的面積為S，總數(shù)據(jù)點(diǎn)為M，則所述大網(wǎng)格的網(wǎng)格密度為P＝M/S；

將每個(gè)所述大網(wǎng)格在理想情況下包含的數(shù)據(jù)點(diǎn)數(shù)與實(shí)際包含的數(shù)據(jù)點(diǎn)數(shù)之差設(shè)為丟失點(diǎn)數(shù)，得到丟失點(diǎn)數(shù)集；

計(jì)算第一數(shù)據(jù)點(diǎn)與第二數(shù)據(jù)點(diǎn)的距離，將所述距離定義為最小鄰域半徑，所述第一數(shù)據(jù)點(diǎn)和所述第二數(shù)據(jù)點(diǎn)為相鄰數(shù)據(jù)點(diǎn)且所述丟失點(diǎn)數(shù)集在所述第一數(shù)據(jù)點(diǎn)和所述第二數(shù)據(jù)點(diǎn)的連線上；

根據(jù)所述最小鄰域半徑計(jì)算鄰域面積，并根據(jù)所述鄰域面積和所述網(wǎng)格密度獲得所述鄰域面積包含的數(shù)據(jù)點(diǎn)數(shù)，將數(shù)據(jù)點(diǎn)數(shù)定義為鄰近最少點(diǎn)數(shù)；

分別對(duì)各所述大網(wǎng)格的最小鄰域半徑和鄰近最少點(diǎn)數(shù)進(jìn)行DBSCAN聚類。

可選地，所述根據(jù)所述數(shù)據(jù)點(diǎn)中的速度最大值、速度最小值、距離最大值、距離最小值生成數(shù)據(jù)區(qū)域，具體包括：

將所述距離最大值與所述距離最小值之差作為直角坐標(biāo)系上的橫軸長(zhǎng)度，將所述速度最大值與所述速度最小值之差作為直角坐標(biāo)系上的縱軸長(zhǎng)度，從而得到所述數(shù)據(jù)區(qū)域。

可選地，所述將數(shù)據(jù)點(diǎn)接近的相鄰網(wǎng)格合并，具體包括：

當(dāng)?shù)谝痪W(wǎng)格的數(shù)據(jù)點(diǎn)數(shù)與預(yù)設(shè)檢測(cè)概率的乘積不大于第二網(wǎng)格的數(shù)據(jù)點(diǎn)數(shù)時(shí)，則將所述第一網(wǎng)格和所述第二網(wǎng)格合并，所述第一網(wǎng)格和所述第二網(wǎng)格為相鄰網(wǎng)格。

可選地，所述將每個(gè)所述大網(wǎng)格在理想情況下包含的數(shù)據(jù)點(diǎn)與實(shí)際包含的數(shù)據(jù)點(diǎn)之差設(shè)為丟失點(diǎn)數(shù)，得到丟失點(diǎn)數(shù)集，具體包括：