CN115293287B 一种基于车载雷达的对目标进行聚类的方法、存储器及电子装置 （西安电子科技大学芜湖研究院）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115293287B(45)授权公告日2025.07.04

(21)申请号202211007479.2

(22)申请日2022.08.22

(65)同一申请的已公布的文献号申请公布号CN115293287A

(43)申请公布日2022.11.04

(73)专利权人西安电子科技大学芜湖研究院地址241000安徽省芜湖市弋江区高新技

术产业开发区科技产业园7号楼西安电子科技大学芜湖研究院

(51)Int.CI.

GO6F18/23(2023.01)

GO6F18/10(2023.01)

(56)对比文件

CN113753070A,2021.12.07CN114266801A,2022.04.01审查员张茜

(72)发明人柴诚蒋立伟杨华谷涛涛檀生辉吴勇王东戴兴民伍旭东

(74)专利代理机构芜湖思诚知识产权代理有限

公司34138专利代理师房文亮

权利要求书1页说明书4页附图1页

(54)发明名称

一种基于车载雷达的对目标进行聚类的方法、存储器及电子装置

(57)摘要

CN115293287B本发明公开了一种基于车载雷达的对目标进行聚类的方法，涉及三维激光雷达点云数据处理技术领域，所述方法包括：收集车载雷达的测量数据，作为待聚类的数据；使用多尺度分块的点云处理算法对数据进行预处理；通过一种设置距离的动态阈值的方法来使用欧式聚类分割点云数据；添加角度阈值来解决大规模人群的欠分割问题，本发明提出的对数据预处理的改进、对欧式聚类的距离阈值的改进和对较大规模人群目标添加的角度阈值可以较好地提高车载雷达

CN115293287B

云

CN115293287B权利要求书1/1页

2

1.一种基于车载雷达的对目标进行聚类的方法，其特征在于，包括如下步骤：

S1.获取车载雷达点云数据；

S2.对点云数据进行预处理；

S3.去除地面点云数据；

S4.设置动态阈值，距离的动态阈值d的设置方法如下：

d=x√a2+b2+y

其中，a和b为待检索的聚类中心点的的坐标；x和y则为参数，x和y这两个参数与激

光雷达的角分辨率成正比，与激光雷达的角度精度成反比；

S5.添加角度阈值；

S6.对点云数据进行欧式聚类；

在点云位置位于行人下肢区域时，设置一个所述的角度阈值，将大于角度阈值的分割为不同目标，小于角度阈值的则合成为同一目标。

2.根据权利要求1所述的一种基于车载雷达的对目标进行聚类的方法，其特征在于，在对点云数据进行预处理时，通过对点云数据进行下采样，具体方法如下：

首先通过输入的点云数据创建一个微小的空间三维立方体的集合，然后在每个三维立方体中使用其包含的所有点的重心来近似的显示三维立方体中的其它的点，从而将这个三维立方体中的所有点转为一个点，通过对所有的三维立方体进行同样的操作，最终产生下采样后的点云数据，进而缩小点云的数量。

3.根据权利要求1所述的一种基于车载雷达的对目标进行聚类的方法，其特征在于，去除地面点云数据的方法如下：

S3.1.使用点云数据建立虚拟分块坐标系，然后将三维坐标投影到二维平面，从而将数据根据平面坐标建立网格索引，由此建立索引帮助进行快速查询；

S3.2.通过上述步骤S3.1对点云分块化处理后，在每个块内抽取最低点作为初始点，并通过将网格中的其他点与种子点比较，判断其他点是否为地面点，然后去除所有地面点，从而完成删除地面点云数据的操作。

4.根据权利要求1所述的一种基于车载雷达的对目标进行聚类的方法，其特征在于，在对点云数据进行欧式聚类时，通过KD-Tree的近邻查询算法，计算邻域点到目标点的欧氏距离。

5.根据权利要求4所述的一种基于车载雷达的对目标进行聚类的方法，其特征在于，在对点云数据进行欧式聚类时，首先将在阈值范围内的点聚为一个类，然后不断重复计算过程，直到计算完所有的新点。

6.一种存储器，存储器中存储有计算机程序，其特征在于，该计算机程序采用了如权利要求1-5中任一项所述的基于车载雷达的对目标进行聚类的方法。

7.一种电子装置，包括至少一个处理器和至少一个与所述处理器连接的存储器，所述存储器中存储有计算机程序，其特征在于，所述处理器用于调用如权利要求6中所述存储器中的计算机程序从而执行基于车载雷达的对目标进行聚类的方法。

CN11