[发明专利]基于网格和DBSCAN的自适应车载毫米波雷达聚类算法及装置

权利要求书

1.一种基于网格和DBSCAN的自适应车载毫米波雷达聚类算法，其特征在于，包括：

获取车载毫米波雷达的数据点，根据所述数据点中的速度最大值、速度最小值、距离最大值、距离最小值生成数据区域；

将所述数据区域划分成若干个网格，并将数据点接近的相邻网格合并，得到若干个大网格，设所述大网格的面积为S，总数据点为M，则所述大网格的网格密度为P＝M/S；

将每个所述大网格在理想情况下包含的数据点数与实际包含的数据点数之差设为丢失点数，得到丢失点数集；

计算第一数据点与第二数据点的距离，将所述距离定义为最小邻域半径，所述第一数据点和所述第二数据点为相邻数据点且所述丢失点数集在所述第一数据点和所述第二数据点的连线上；

根据所述最小邻域半径计算邻域面积，并根据所述邻域面积和所述网格密度获得所述邻域面积包含的数据点数，将数据点数定义为邻近最少点数；

分别对各所述大网格的最小邻域半径和邻近最少点数进行DBSCAN聚类。

2.根据权利要求1所述的基于网格和DBSCAN的自适应车载毫米波雷达聚类算法，其特征在于，所述根据所述数据点中的速度最大值、速度最小值、距离最大值、距离最小值生成数据区域，具体包括：

将所述距离最大值与所述距离最小值之差作为直角坐标系上的横轴长度，将所述速度最大值与所述速度最小值之差作为直角坐标系上的纵轴长度，从而得到所述数据区域。

3.根据权利要求1所述的基于网格和DBSCAN的自适应车载毫米波雷达聚类算法，其特征在于，所述将数据点接近的相邻网格合并，具体包括：

当第一网格的数据点数与预设检测概率的乘积不大于第二网格的数据点数时，则将所述第一网格和所述第二网格合并，所述第一网格和所述第二网格为相邻网格。

4.根据权利要求1所述的基于网格和DBSCAN的自适应车载毫米波雷达聚类算法，其特征在于，所述将每个所述大网格在理想情况下包含的数据点与实际包含的数据点之差设为丢失点数，得到丢失点数集，具体包括：

设第一大网格中数据点数最多的小网格的数据点数为N1，所述第一大网格的小网格数量为m，则所述第一大网格的在理想情况下包含的数据点为NT＝N1*m；

设所述第一大网格的实际包含的数据点数为NR，则所述第一大网格的丢失点数为L＝NT-NR，分别计算每个大网格的丢失点数得到所述丢失点数集。

5.根据权利要求1所述的基于网格和DBSCAN的自适应车载毫米波雷达聚类算法，其特征在于，所述计算第一数据点与第二数据点的距离，具体包括：基于欧氏距离公式计算第一数据点与第二数据点的距离。

6.一种基于网格和DBSCAN的自适应车载毫米波雷达聚类装置，其特征在于，包括：

区域生成单元，用于获取车载毫米波雷达的数据点，根据所述数据点中的速度最大值、速度最小值、距离最大值、距离最小值生成数据区域；

网格合并单元，用于将所述数据区域划分成若干个网格，并将数据点接近的相邻网格合并，得到若干个大网格，设所述大网格的面积为S，总数据点为M，则所述大网格的网格密度为P＝M/S；

第一计算单元，用于将每个所述大网格在理想情况下包含的数据点数与实际包含的数据点数之差设为丢失点数，得到丢失点数集；

第二计算单元，用于计算第一数据点与第二数据点的距离，将所述距离定义为最小邻域半径，所述第一数据点和所述第二数据点为相邻数据点且所述丢失点数集在所述第一数据点和所述第二数据点的连线上；

第三计算单元，用于根据所述最小邻域半径计算邻域面积，并根据所述邻域面积和所述网格密度获得所述邻域面积包含的数据点数，将数据点数定义为邻近最少点数；

聚类单元，用于分别对各所述大网格的最小邻域半径和邻近最少点数进行DBSCAN聚类。