针对毫米波雷达人员目标稀疏点云的聚类算法OA北大核心
毫米波雷达室内人员目标检测存在点云稀疏且有零散噪声点的问题,传统基于密度聚类算法受参数影响不能适应多变的目标点云数据,无法实现精准聚类。对此进行研究提出了一种针对人员目标稀疏点云的聚类算法。建立平均局部密度信息熵和邻域半径(Eps)的关系;利用DBSCAN算法识别零散噪声点并去除;利用每个点的局部密度和相对距离的乘积得到聚类中心权值,并画出降序图;在降序图中引入自适应指数衰减函数曲线,从而自动获得聚类中心,并完成聚类。通过实验验证,并与CFSFDP算法和DBSCAN算法进行对比,结果表明,提出的算法具有较高的ARI、AMI、NMI、FMI值,获得较好的聚类效果,适用于毫米波雷达室内检测场景。
杨冬;曾春艳;郝丹妮;万相奎
湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室,武汉430068 湖北工业大学电气与电子工程学院,武汉430068湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室,武汉430068 湖北工业大学电气与电子工程学院,武汉430068湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室,武汉430068 湖北工业大学电气与电子工程学院,武汉430068湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室,武汉430068 湖北工业大学电气与电子工程学院,武汉430068
计算机与自动化
毫米波雷达点云聚类稀疏点云目标检测
《计算机工程与应用》 2025 (3)
P.359-366,8
国家自然科学基金(61901165)博士科研启动基金(XJ2022009001)武汉市知识创新专项(2022020801010258)。
评论