针对毫米波雷达人员目标稀疏点云的聚类算法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（3）359

针对毫米波雷达人员目标稀疏点云的聚类算法

1，21，21，21，2+

杨冬，曾春艳，郝丹妮，万相奎

1.湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室，武汉430068

2.湖北工业大学电气与电子工程学院，武汉430068

+通信作者E-mail：xkwan@hbut.edu.cn

摘要：毫米波雷达室内人员目标检测存在点云稀疏且有零散噪声点的问题，传统基于密度聚类算法受参数影响不

能适应多变的目标点云数据，无法实现精准聚类。对此进行研究提出了一种针对人员目标稀疏点云的聚类算法。

建立平均局部密度信息熵和邻域半径（Eps）的关系；利用DBSCAN算法识别零散噪声点并去除；利用每个点的局部

密度和相对距离的乘积得到聚类中心权值，并画出降序图；在降序图中引入自适应指数衰减函数曲线，从而自动获

得聚类中心，并完成聚类。通过实验验证，并与CFSFDP算法和DBSCAN算法进行对比，结果表明，提出的算法具有

较高的ARI、AMI、NMI、FMI值，获得较好的聚类效果，适用于毫米波雷达室内检测场景。

关键词：毫米波雷达；点云聚类；稀疏点云；目标检测

文献标志码：A中图分类号：TP732.1doi：10.3778/j.issn.1002-8331.2309-0286

ClusteringAlgorithmforSparsePointCloudsofPersonnelTargetsinMillimeter-WaveRadar

YANGDong1，2,ZENGChunyan1，2,HAODanni1，2,WANXiangkui1，2+

1.HubeiProvincialKeyLaboratoryofSolarEnergyEfficientUtilizationandEnergyStorageOperationControl,Hubei

UniversityofTechnology,Wuhan430068,China

2.SchoolofElectricalandElectronicEngineering,HubeiUniversityofTechnology,Wuhan430068,China

Abstract：Theindoorpersonneltargetdetectionusingmillimeter-waveradaroftenencountersissueswithsparsepoint

cloudsandscatterednoisepoints.Traditionaldensity-basedclusteringalgorithmsaresensitivetoparametersandcannot

adaptwelltothevaryingtargetpointclouddata,makingpreciseclusteringchallenging.Toaddressthis,aclusteringalgo-

rithmtailoredforsparsepointcloudsofpersonneltargetsisproposedinthisresearch.Firstly,arelationshipisestablished

betweentheaveragelocaldensityinformationentropyandtheneighborhoodradius(Eps).Secondly,theDBSCANalgo-

rithmisemployedtoidentifyandremovescatterednoisepoints.Subsequently,theclusteringcenterweightiscalculated

usingtheproductoflocaldensitya