基于毫米波雷达的运动目标点云聚类和扩展算法

摘要

用毫米波雷达对运动目标进行姿态识别时，雷达点云数据具有噪点多、分布离散的特征，传统基于密度空间的聚类算法对点云聚类成像的过程中，会出现邻近目标之间的点云分类错误及同一目标点簇聚类为多个点簇等问题。针对上述情况，提出一种运动多目标邻近点云优化聚类算法，利用自适应距离加权的模糊c均值算法对聚类结果进行修正，提高近邻目标点云聚类准确度。同时提出一种目标点簇扩展聚合算法，利用卡尔曼滤波对运动目标位置预测，将多帧迭代三维点云尺寸作为波门对目标点云进行点簇扩展，提高目标点云完整性。试验结果表明，所提方法能有效提高聚类准确度。

关键词

毫米波雷达 / 聚类算法 / 点簇扩展 / 卡尔曼滤波 / 模糊c均值