车载毫米波雷达的椭圆DBSCAN聚类算法

如今毫米波雷达被广泛应用于无人驾驶系统中.随着车载毫米波雷达分辨率的提高,雷达从同一目标处获得的数据量也随之增多.同一目标的数据量增多能够让系统更准确地分析目标,但目标数据集数据量的增多会导致无人驾驶系统对目标数的判断受到影响.因此需要利用合适的聚类算法处理车载毫米波雷达的目标数据集来简化目标数量.DBSCAN聚类算法在处理数据密度均匀的数据集时性能良好.但车载毫米波雷达的目标数据集密度不均匀,导致DBSCAN聚类算法应用于车载毫米波雷达聚类时聚类结果与探测场景存在偏差.为了解决上述问题,本文提出了一种车载毫米波雷达的椭圆DBSCAN聚类算法——Ellipse-DBSCAN聚类算法.该算法将DBSCAN聚类算法中的圆形邻域变成椭圆邻域,并且根据目标数据的特征信息自适应计算邻域参数.仿真实验结果表明,该算法在数据密度不均匀的情况下能够得到正确的聚类结果,并且算法的自适应性良好.