申请/专利权人：浙江飞碟汽车制造有限公司;山东五征集团有限公司

申请日：2022-05-23

公开（公告）日：2022-09-13

公开（公告）号：CN115047424A

主分类号：G01S7/41

分类号：G01S7/41;G06K9/62

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.09.30#实质审查的生效;2022.09.13#公开

摘要：本发明公开了一种基于KDE‑DBSCAN的毫米波雷达点云目标聚类方法，包括以下步骤：S1、对于毫米波雷达点云数据集D中的每一个点，根据此点所在区域对应的k值，计算对应的关联窗宽度W以及该点的关联相邻点RN；S2、根据每个点的关联窗宽度W和关联相邻点集合RN，把雷达点云数据集D初步划分为不同的伪簇FC；S3、统计步骤S2中生成的每个伪簇FCi中的点数，删除点数小于λ的伪簇；S4、确定每个伪簇的最优关联半径ε和最小关联点个数minP；S5、由步骤S4得到每个伪簇的最优关联半径ε和最小关联点个数minP，然后使用DBSCAN算法对分别对每个伪簇进行聚类。本发明方法能够适应毫米波雷达的点云分布特点，从而提升毫米波雷达目标的聚类质量。

主权项：1.一种基于KDE-DBSCAN的毫米波雷达点云目标聚类方法，其特征在于，包括以下步骤：S1、对于毫米波雷达点云数据集D中的每一个点，根据此点所在区域对应的k值，计算对应的关联窗宽度W以及该点的关联相邻点RN；S2、根据每个点的关联窗宽度W和关联相邻点集合RN，把雷达点云数据集D初步划分为不同的伪簇FC；S3、统计步骤S2中生成的每个伪簇FCi中的点数，删除点数小于λ的伪簇；S4、确定每个伪簇的最优关联半径ε和最小关联点个数minP；S5、由步骤S4得到每个伪簇的最优关联半径ε和最小关联点个数minP，然后使用DBSCAN算法对分别对每个伪簇进行聚类。

全文数据：

权利要求：

百度查询： 浙江飞碟汽车制造有限公司;山东五征集团有限公司 一种基于KDE-DBSCAN的毫米波雷达点云目标聚类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD