[发明专利]一种基于稀疏点云的目标跟踪算法

权利要求书

1.一种基于稀疏点云的目标跟踪算法，其特征在于，包括如下步骤：

（1）基于密度的点云聚类：对已经预处理后的一帧点云数据进行基于密度的聚类；

（2）点云聚类特征提取：构建基于目标相对于心脏模型原点的位置和速度、点云的物理外观特征的特征空间，在一帧点云数据中，对于包含n个聚类的点云簇S：，其中是点的集合，其中包含点的数量为，点的定义为，映射函数定义为，即将一个点云簇作为自变量，并返回21维的特征f；

（3）基于集成学习的点云目标识别：将基于AdaBoost的二分类器训练应用于上述特征空间中，以区分目标导管。

2.根据权利要求1所述的基于稀疏点云的目标跟踪算法，其特征在于，所述步骤（1）具体算法步骤如下：

1）初始化核心对象集合：；

2）对点云数据集合中的每一个数据样本，计算其-邻域，若邻域中样本数量大于等于MinPts，则将加入核心对象集合；

3）初始化聚类簇数，初始化未访问样本集合；

4）以任一核心对象为出发点，找出由其密度可达的样本生成聚类簇；

5）若所有核心样本均被访问，则结束聚类；否则，重复步骤4）。

3.根据权利要求1所述的基于稀疏点云的目标跟踪算法，其特征在于，所述步骤（2）中特征f的具体定义如下：

1)点的数量 ；

2)该点云簇的中心，由下式得到：

3)点云簇坐标位置的标准差，由式下式得到：

4)在x与y方向的线速度，在给定时间t，将目标人员的线速度假设为与前一帧速度相同，对于给定时间戳的前后两帧数据，以及其中观测预测的目标位置，推算其当前速度，因此线速度定义如下式所示：

5)点云的切片特征，在相对稀疏的点云数据中，通过测量点云簇的水平切片尺寸，将导管与其他一些伪目标区分开，点云的切片特征定义如下：（1）选取第一方向向量，使切片方向与第一方向向量垂直；第一方向向量选取与心脏模型坐标系的z坐标轴平行；（2）基于主成分分析（PCA）选取的边界框，选取点云簇的第二、第三方向向量；（3）将切片后的点云投影到第二、第三方向向量组成的平面上，计算在该平面上，该切片点云簇分别沿第二、第三方向向量的度量

N是与第一方向向量垂直的切片数量，的维度为2N+1，将N取为6。