[发明专利]目标分类方法、目标分类装置、终端设备及存储介质

权利要求书

1.一种目标分类方法，其特征在于，所述目标分类方法包括：

获取待分类目标的目标数据和至少一个待分类点云的点云数据，所述待分类目标和所述待分类点云由毫米波雷达检测到，所述待分类点云是指聚类成所述待分类目标的点云；

获取在所述毫米波雷达所处位置的当前天气状况下L个候选类型的典型数据，L为大于零的整数，一个候选类型的典型数据包括与所述目标数据对应的目标级典型数据和与所述点云数据对应的点云级典型数据；

根据所述目标数据和所述L个候选类型的目标级典型数据，确定所述待分类目标与所述L个候选类型的目标级特征匹配度；

根据所述点云数据和所述L个候选类型的点云级典型数据，确定所述待分类目标与所述L个候选类型的点云级特征匹配度；

根据所述待分类目标与所述L个候选类型的目标级特征匹配度、点云级特征匹配度，确定所述待分类目标所属类型。

2.根据权利要求1所述的目标分类方法，其特征在于，所述目标数据包括所述待分类目标的尺寸、所述待分类目标在第一设定距离上的回波功率和所述待分类目标的速度，所述待分类目标的尺寸对应的目标级典型数据为目标尺寸典型范围，所述待分类目标在所述第一设定距离上的回波功率对应的目标级典型数据为在所述第一设定距离上的目标回波功率典型范围，所述待分类目标的速度对应的目标级典型数据为目标速度典型范围；

针对第i个候选类型，所述第i个候选类型是所述L个候选类型中的任一候选类型，根据所述目标数据和第i个候选类型的目标级典型数据，确定所述待分类目标与所述第i个候选类型的目标级特征匹配度，包括：

根据所述第i个候选类型的目标级典型数据，确定所述第i个候选类型的目标级典型数据的均值和方差；

根据所述第i个候选类型的目标级典型数据的均值和方差，建立正态分布模型；

根据所述正态分布模型和所述目标数据，确定所述目标数据与所述第i个候选类型的目标级特征匹配度。

3.根据权利要求1所述的目标分类方法，其特征在于，所述点云数据包括点云熵数据和点云分布矩阵，所述点云熵数据对应的点云级典型数据为点云熵典型范围，所述点云分布矩阵对应的点云级典型数据为点云分布典型矩阵；

所述点云熵数据包括所述待分类点云与所述毫米波雷达的距离熵、所述待分类点云的速度熵和所述待分类点云在第二设定距离上的回波功率熵，所述点云分布数据包括所述待分类点云的回波功率分布矩阵和所述待分类点云的数量分布矩阵，所述待分类点云的回波功率分布矩阵中的元素为所述待分类点云在所述第二设定距离上的回波功率，所述待分类点云的数量分布矩阵中的元素为所述待分类目标中对应区域的点云数量；

所述待分类点云与所述毫米波雷达的距离熵对应的点云熵典型范围为点云距离熵典型范围，所述待分类点云的速度熵对应的点云熵典型范围为点云速度熵典型范围，所述待分类点云在所述第二设定距离上的回波功率熵对应的点云熵典型范围为在所述第二设定距离上的点云回波功率熵典型范围，所述待分类点云的回波功率分布矩阵对应的点云分布典型矩阵为点云回波功率分布典型矩阵，所述待分类点云的数量分布矩阵对应的点云分布典型矩阵为点云数量分布典型矩阵；

针对第i个候选类型，所述第i个候选类型是所述L个候选类型中的任一候选类型，根据所述点云数据和所述第i个候选类型的点云级典型数据，确定所述待分类目标与所述第i个候选类型的点云级特征匹配度，包括：

根据所述点云熵数据和所述点云熵数据对应的所述第i个候选类型的点云熵典型范围，确定所述待分类目标与所述第i个候选类型的点云级特征熵匹配度；

根据所述点云分布矩阵和所述点云分布矩阵对应的所述第i个候选类型的点云分布典型矩阵，确定所述待分类目标与所述第i个候选类型的点云级特征分布匹配度；

根据所述待分类目标与所述第i个候选类型的点云级特征熵匹配度、点云级特征分布匹配度，确定所述待分类目标与所述第i个候选类型的点云级特征匹配度。