CN111044986B - 一种用于雷达目标检测的密度聚类方法及装置 - Google Patents
一种用于雷达目标检测的密度聚类方法及装置 Download PDFInfo
- Publication number
- CN111044986B CN111044986B CN201911357687.3A CN201911357687A CN111044986B CN 111044986 B CN111044986 B CN 111044986B CN 201911357687 A CN201911357687 A CN 201911357687A CN 111044986 B CN111044986 B CN 111044986B
- Authority
- CN
- China
- Prior art keywords
- target
- wave gate
- point
- clustering
- distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000010276 construction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种用于雷达目标检测的密度聚类方法及装置，该方法步骤包括：S1.获取雷达回波信号进行目标检测，输出检测到的多个目标点；S2.统计检测到的各目标点的分布状态，根据统计结果判断各目标点是否呈方向性分布，如果是根据各目标点的分布构建椭圆形波门；S3.基于步骤S2构建的波门基于密度聚类方法对各目标点进行聚类，输出聚类结果。本发明具有实现方法简单、能够适用于具有一定方向性先验信息的目标聚类，且聚类效果好、效率高等优点。
Description
技术领域
本发明涉及雷达目标探测技术领域，尤其涉及一种用于雷达目标检测的密度聚类方法及装置。
背景技术
如毫米波雷达等在探测目标过程中发挥着十分重要的作用，当雷达扫到具有较大反射面的物体时，往往会反射回多个点，由这些点即构成了点群，在雷达算法跟踪中，需要对返回的这些点进行聚类以聚类成合适的目标，因此需要采取合理的策略进行聚类。为实现雷达目标的聚类，目前常规使用的如基于密度的聚类算法，基于密度的聚类算法中典型的为DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法)，DBSCAN与划分和层次聚类方法不同，它是将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类，且DBSCAN算法中仅需要两个参数邻域半径(Eps)、点门限(MinPts)，可以在带有噪声的空间数据里发现任意形状的聚类。
目前在使用DBSCAN算法聚类时通常是采用圆形波门方式进行扩展，如图1所示，可以通过根据中心点到边缘点的距离与邻域半径的大小关系来判断点是否在目标中，基于圆形波门的DBSCAN算法可以适用于未知先验信息的雷达目标聚类，由于目标分布的不确定性，采取圆形波门可以获得较好的聚类效果。但是在雷达检测到的目标中目标的分布可能是具有一定的方向性的，如道路等，目标会呈直线分布，对于该类具有一定方向性先验信息的目标聚类时，此时若仍然在DBSCAN算法中使用圆形的波门，必须设置较大的邻域半径以匹配该方向性的目标聚类，而设置搜索半径过大，会使得将多余的噪点包含进聚类目标中，极易引入噪点，影响实际聚类效果，不能实现最优的聚类。如图1所示，对具有方向性分布(如直线分布)的目标来说，采用圆形波门时，假定设定点数门限值为5，则必须设置较大的邻域半径而引入噪点。
综上所述，目前的雷达基于密度聚类方法不适用于具有一定方向性先验信息的目标聚类，亟需提供一种用于雷达目标检测的密度聚类方法，以适用于该类具有一定方向性先验信息的目标聚类，使得能够减少噪点的引入，提升聚类性能。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、能够适用于具有一定方向性先验信息的目标聚类，且聚类效果好、效率高的用于雷达目标检测的密度聚类方法及装置。
为解决上述技术问题，本发明提出的技术方案为：
一种用于雷达目标检测的密度聚类方法，步骤包括：
S1.雷达目标检测：获取雷达回波信号进行目标检测，输出检测到的多个目标点；
S2.波门构建：统计检测到的各目标点的分布状态，根据统计结果判断各目标点是否呈方向性分布，如果是根据各目标点的分布构建椭圆形波门；
S3.密度聚类：基于步骤S2构建的波门基于密度聚类方法对各目标点进行聚类，输出聚类结果。
作为本发明的进一步改进，所述步骤S2中，具体根据统计结果判断各目标点所形成的分布区域中核心点位置具有确定的方向矢量，如果是则判定为各目标点呈方向性分布。
作为本发明的进一步改进，所述方向性分布包括标准型的直线形分布或非标准型的曲线形分布。
作为本发明的进一步改进，所述步骤S2中构建椭圆形波门时，先确定椭圆的中心点以及根据圆形波门邻域半径确定长轴2a，并根据所述长轴2a的值计算出短轴2b的值，以及设定点数门限MinPts，构建得到所述椭圆形波门。
作为本发明的进一步改进，所述构建椭圆形波门时，具体以各目标点中的中心点作为所述中心点，所述短轴2b的值具体按下式计算得到：
其中，Xmax、Xmin为各目标点中横坐标的最大值、最小值，Ymax、Ymin为各目标点中纵坐标的最大值、最小值。
作为本发明的进一步改进，所述步骤S2中，如果判断到各目标点不呈方向性分布时则构建圆形波门，根据各目标点的分布确定所述圆形波门的邻域半径Eps和门限点数MinPts。
作为本发明的进一步改进，所述步骤S3中进行聚类时，当为椭圆形波门时，根据所述椭圆形波门的长轴2a、短轴2b的值来对称确定两个焦点a、b，计算各边缘点与所述两个焦点a、b之间的距离，根据计算的距离是否小于等于长轴2a判断目标点是否位于椭圆内部。
作为本发明的进一步改进，所述步骤S3中，具体采用基于DBSCAN的密度聚类方法进行聚类。
一种用于雷达目标检测的密度聚类装置，包括：
雷达目标检测模块，用于获取雷达回波信号进行目标检测，输出检测到的多个目标点；
波门构建模块，用于统计检测到的各目标点的分布状态，根据统计结果判断各目标点是否呈方向性分布，如果是根据各目标点的分布构建椭圆形波门；
密度聚类模块，用于基于所述波门构建模块构建的波门基于密度聚类方法对各目标点进行聚类，输出聚类结果。
一种存储有计算机程序的计算机可读存储介质，所述计算机程序执行时实现如上述的方法。
与现有技术相比，本发明的优点在于：
1、本发明考虑具有一定方向性先验信息目标的特性，通过检测到多个目标点后，先判断目标点的分布规则，如果判断到圆形波呈方向性分布则构建椭圆形波门，基于椭圆形波门使用密度聚类方法对目标点进行聚类，相比于传统的圆形波门，对于具有一定方向性先验信息的目标，使用椭圆形波门可以有效减少噪点和干扰点的引入，从而提高该类目标的聚类效果，能够充分利用目标的先验信息，优化聚类性能。
2、本发明基于椭圆形波门实现雷达基于密度的目标聚类，可以依据目标的方向性包含各目标点，同时减少噪点和干扰点的引入，而无需如圆形波形必须选取较大的邻域半径，从而可以对具有一定方向性先验信息的目标实现最优聚类。
3、本发明进一步考虑如道路等目标的分布特性，通过判断目标是否呈方向性分布，来确定雷达检测的目标是否为具有一定方向性先验信息类的目标，针对如道路等类直线分布目标，使用基于椭圆波门的密度聚类方法，可以减少噪点和干扰点的引入，确保如道路等类直线分布目标的聚类效果。
附图说明
图1是传统DBSCAN算法中使用圆形波形的原理示意图。
图2是本实施例用于雷达目标检测的密度聚类方法的实现流程示意图。
图3是本实施例采用椭圆形波门实现聚类的原理示意图。
图4是本实施例中构建的椭圆形波门的结构示意图。
图5是本发明具体应用实施例中构建的圆形波形的结构示意图。
图6是本发明具体应用实施例中实现雷达目标聚类的实现流程示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。
如图2所示，本实施例用于雷达目标检测的密度聚类方法，步骤包括：
S1.雷达目标检测：获取雷达回波信号进行目标检测，输出检测到的多个目标点；
S2.波门构建：统计检测到的各目标点的分布状态，根据统计结果判断各目标点是否呈方向性分布，如果是，根据各目标点的分布构建椭圆形波门，否则根据各目标点的分布构建圆形波门；
S3.密度聚类：基于步骤S2构建的波门基于密度聚类方法对各目标点进行聚类，输出聚类结果。
对于如道路等目标，雷达进行扫描时，返回的目标点会呈一定的方向性特性，本实施例基于该特性，针对具有一定方向性先验信息的目标，通过检测到多个目标点后，先判断目标点的分布规则，如果判断到圆形波呈方向性分布则构建椭圆形波门，基于椭圆形波门使用密度聚类方法对目标点进行聚类，相比于传统的圆形波门，对于如道路等具有一定方向性先验信息的目标，使用椭圆形波门可以有效减少噪点和干扰点的引入，从而提高该类目标的聚类效果，能够充分利用目标的先验信息，优化聚类性能。
椭圆形波门如图3所示，基于椭圆形波门实现聚类时，可以依据目标的方向性包含各目标点，同时减少噪点和干扰点的引入，而无需如圆形波形必须选取较大的邻域半径，从而可以对具有一定方向性先验信息的目标实现最优聚类。
本实施例中，步骤S2中，具体根据统计结果判断各目标点所形成的分布区域中核心点位置具有确定的方向矢量，如果是则判定为各目标点呈方向性分布。若核心点位置的方向矢量是确定的，则表明分布具有确定的方向性，如雷达在扫描到如道路等类型目标时，返回的目标点会呈直线分布，对于该类方向性确定的分布，如果采用圆形波形则易于引入噪点和干扰点，本实施通过判断目标是否呈方向性分布，来确定雷达检测的目标是否为具有一定方向性先验信息类的目标，针对该类分布目标，使用椭圆波门进行聚类，可以减少噪点和干扰点的引入，确保如道路等类直线分布目标的聚类效果。
可以理解的是，除上述标准的直线分布状态外，还可以根据实际需求在目标呈其他方向性分布状态时，使用基于椭圆波门的密度聚类算法来减少噪点和干扰点的引入，如非标准的曲线性分布，且满足核心点位置的方向矢量是确定的。
本实施例中，步骤S2中构建椭圆形波门时，先确定椭圆的中心点以及根据圆形波门邻域半径确定长轴2a，并根据长轴2a的值计算出短轴2b的值，以及设定点数门限MinPts，构建得到椭圆形波门。
本实施例中，构建椭圆形波门时，具体以各目标点中的中心点作为中心点，短轴2b的值具体按下式计算得到：
其中，Xmax、Xmin为各目标点中横坐标的最大值、最小值，Ymax、Ymin为各目标点中纵坐标的最大值、最小值。上述门限MinPts具体可根据经验数据确定，长轴2a的值可配置为圆形波门邻域半径的2倍，即先确定使用圆形波门时的邻域半径，取该邻域半径的2倍作为长轴2a，再按照上式(2)计算出短轴的值，由确定的中心点、长轴2a、短轴2b以及门限MinPts即可得到椭圆形波门。本实施例构建的椭圆波门如图4所示，其中r1、r2为椭圆波们内的点到椭圆两个焦点的距离。
本实施例步骤S2中，如果判断到各目标点不呈方向性分布时则构建圆形波门，根据各目标点的分布确定所述圆形波门的邻域半径Eps和门限点数MinPts，即对于不具备方向性分布目标，直接使用基于圆形波门的密度聚类算法，即可以满足目标聚类需求。具体应用实施例中构建的圆形波门如图5所示，确定邻域半径r以及门限点数(如6)，基于该波门参数进行基于密度的聚类。
本实施例中，步骤S3中进行聚类时，当为椭圆形波门时，根据椭圆形波门的长轴2a、短轴2b的值来对称确定两个焦点a、b，计算各边缘点与两个焦点a、b之间的距离，根据计算的距离是否小于等于长轴2a判断目标点是否位于椭圆内部，以实现聚类。具体基于椭圆形波门实现基于密度的聚类时，确定波门的参数：长轴2a、短轴2b以及点数门限MinPts后，通过判断边缘点与两个焦点之间的距离来判断目标点是否位于椭圆内部，从而判断是否聚类成功。
本实施例中，步骤S3中具体采用基于DBSCAN的密度聚类方法进行聚类，按照DBSCAN算法规则进行聚类时，具体先任意选定中心数据集的一个核心对象，核心对象为Ε邻域内的样本点数大于等于点数门限MinPts的对象，根据设定的波门来创建一个簇并找到该簇所有的核心对象，寻找合并核心对象密度可达的对象，直到所有核心对象都被访问过为止，完成聚类。
如图6所示，本发明具体应用实施例中实现雷达目标密度聚类时，对于常规目标使用基于圆形波门的DBSCAN算法进行聚类，获取到雷达检测的各目标点后，首先统计各目标点，得到目标点的横坐标集合和纵坐标集合，根据预设判断条件(如上述在两个集合中分布均匀且满足上式(1))判断目标是否呈方向性分布，以判断需要使用椭圆波门代替圆形波门，若需要使用椭圆波门，则确定椭圆波门的参数，以中心点作为核心对象，作为椭圆的中心点，选取适当的短轴2b后，使用短轴2b的值计算长轴2a的值，并设定点数门限MinPts，基于设置的椭圆波门的参数按照DBSCAN算法规则进行聚类，以对具有一定方向性目标实现最优聚类。
本实施例用于雷达目标检测的密度聚类装置，包括：
雷达目标检测模块，用于获取雷达回波信号进行目标检测，输出检测到的多个目标点；
波门构建模块，用于统计检测到的各目标点的分布状态，根据统计结果判断各目标点是否呈方向性分布，如果是根据各目标点的分布构建椭圆形波门；
密度聚类模块，用于基于波门构建模块构建的波门基于密度聚类方法对各目标点进行聚类，输出聚类结果。
本实施例用于雷达目标检测的密度聚类装置与上述用于雷达目标检测的密度聚类方法为一一对应，在此不再一一赘述。
本实施例存储有计算机程序的计算机可读存储介质，计算机程序执行时实现如上述用于雷达目标检测的密度聚类的方法。
上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。
Claims (7)
1.一种用于雷达目标检测的密度聚类方法，其特征在于，步骤包括：
S1.雷达目标检测：获取雷达回波信号进行目标检测，输出检测到的多个目标点；
S2.波门构建：统计检测到的各目标点的分布状态，根据统计结果判断各目标点是否呈方向性分布，如果是根据各目标点的分布构建椭圆形波门，如果判断到各目标点不呈方向性分布时则构建圆形波门，根据各目标点的分布确定所述圆形波门的邻域半径Eps和门限点数MinPts；
S3.密度聚类：基于步骤S2构建的波门基于密度聚类方法对各目标点进行聚类，输出聚类结果；
所述步骤S2中构建椭圆形波门时，先确定椭圆的中心点以及根据圆形波门邻域半径确定长轴2a，并根据所述长轴2a的值计算出短轴2b的值，以及设定点数门限MinPts，构建得到所述椭圆形波门；
构建椭圆形波门时，具体以各目标点中的中心点作为所述椭圆的中心点，所述短轴2b的值具体按下式计算得到：
其中，Xmax、Xmin为各目标点中横坐标的最大值、最小值，Ymax、Ymin为各目标点中纵坐标的最大值、最小值。
2.根据权利要求1所述的用于雷达目标检测的密度聚类方法，其特征在于，所述步骤S2中，具体根据统计结果判断各目标点所形成的分布区域中核心点位置具有确定的方向矢量，如果是则判定为各目标点呈方向性分布。
3.根据权利要求2所述的用于雷达目标检测的密度聚类方法，其特征在于，所述方向性分布包括标准型的直线形分布或非标准型的曲线形分布。
4.根据权利要求1或2或3所述的用于雷达目标检测的密度聚类方法，其特征在于，所述步骤S3中进行聚类时，当为椭圆形波门时，根据所述椭圆形波门的长轴2a、短轴2b的值来对称确定两个焦点a、b，计算各边缘点与所述两个焦点a、b之间的距离，根据计算的距离是否小于等于长轴2a判断目标点是否位于椭圆内部。
5.根据权利要求1或2或3所述的用于雷达目标检测的密度聚类方法，其特征在于，所述步骤S3中，具体采用基于DBSCAN的密度聚类方法进行聚类。
6.一种用于雷达目标检测的密度聚类装置，其特征在于，包括：
雷达目标检测模块，用于获取雷达回波信号进行目标检测，输出检测到的多个目标点；
波门构建模块，用于统计检测到的各目标点的分布状态，根据统计结果判断各目标点是否呈方向性分布，如果是根据各目标点的分布构建椭圆形波门，如果判断到各目标点不呈方向性分布时则构建圆形波门，根据各目标点的分布确定所述圆形波门的邻域半径Eps和门限点数MinPts；
密度聚类模块，用于基于所述波门构建模块构建的波门基于密度聚类方法对各目标点进行聚类，输出聚类结果；
所述波门构建模块中构建椭圆形波门时，先确定椭圆的中心点以及根据圆形波门邻域半径确定长轴2a，并根据所述长轴2a的值计算出短轴2b的值，以及设定点数门限MinPts，构建得到所述椭圆形波门；
构建椭圆形波门时，具体以各目标点中的中心点作为所述椭圆的中心点，所述短轴2b的值具体按下式计算得到：
其中，Xmax、Xmin为各目标点中横坐标的最大值、最小值，Ymax、Ymin为各目标点中纵坐标的最大值、最小值。
7.一种存储有计算机程序的计算机可读存储介质，所述计算机程序执行时实现如权利要求1～5中任意一项所述的用于雷达目标检测的密度聚类方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911357687.3A CN111044986B (zh) | 2019-12-25 | 2019-12-25 | 一种用于雷达目标检测的密度聚类方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911357687.3A CN111044986B (zh) | 2019-12-25 | 2019-12-25 | 一种用于雷达目标检测的密度聚类方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111044986A CN111044986A (zh) | 2020-04-21 |
| CN111044986B true CN111044986B (zh) | 2022-05-10 |
Family
ID=70239606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911357687.3A Active CN111044986B (zh) | 2019-12-25 | 2019-12-25 | 一种用于雷达目标检测的密度聚类方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111044986B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111929653B (zh) * | 2020-07-21 | 2024-03-26 | 上海交通大学 | 一种基于无人船航海雷达的目标检测、跟踪方法及系统 |
| CN112187550B (zh) * | 2020-10-16 | 2022-09-30 | 温州职业技术学院 | 基于密度峰值多属性聚类的网络日志分析方法 |
| WO2022141048A1 (zh) * | 2020-12-29 | 2022-07-07 | 深圳市大疆创新科技有限公司 | 获取点云聚类波门的方法、雷达、可移动平台和存储介质 |
| CN113325383B (zh) * | 2021-06-17 | 2023-07-04 | 广东工业大学 | 基于网格和dbscan的自适应车载毫米波雷达聚类算法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105066995A (zh) * | 2015-07-15 | 2015-11-18 | 北方信息控制集团有限公司 | 一种情报处理目标关联方法 |
| CN107766808A (zh) * | 2017-09-30 | 2018-03-06 | 北京泓达九通科技发展有限公司 | 道路网络空间中车辆对象移动轨迹聚类的方法及系统 |
| CN107817496A (zh) * | 2016-09-12 | 2018-03-20 | 德尔福技术有限公司 | 用于自动车辆的激光雷达对象检测系统 |
| CN109581312A (zh) * | 2018-11-22 | 2019-04-05 | 西安电子科技大学昆山创新研究院 | 一种高分辨毫米波雷达多目标聚类方法 |
| CN110361727A (zh) * | 2019-07-22 | 2019-10-22 | 浙江大学 | 一种毫米波雷达多目标跟踪方法 |
| DE102019111569A1 (de) * | 2018-05-14 | 2019-11-14 | GM Global Technology Operations LLC | Dbscan-parameter als funktion der sensorsuite-konfiguration |
-
2019
- 2019-12-25 CN CN201911357687.3A patent/CN111044986B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105066995A (zh) * | 2015-07-15 | 2015-11-18 | 北方信息控制集团有限公司 | 一种情报处理目标关联方法 |
| CN107817496A (zh) * | 2016-09-12 | 2018-03-20 | 德尔福技术有限公司 | 用于自动车辆的激光雷达对象检测系统 |
| CN107766808A (zh) * | 2017-09-30 | 2018-03-06 | 北京泓达九通科技发展有限公司 | 道路网络空间中车辆对象移动轨迹聚类的方法及系统 |
| DE102019111569A1 (de) * | 2018-05-14 | 2019-11-14 | GM Global Technology Operations LLC | Dbscan-parameter als funktion der sensorsuite-konfiguration |
| CN109581312A (zh) * | 2018-11-22 | 2019-04-05 | 西安电子科技大学昆山创新研究院 | 一种高分辨毫米波雷达多目标聚类方法 |
| CN110361727A (zh) * | 2019-07-22 | 2019-10-22 | 浙江大学 | 一种毫米波雷达多目标跟踪方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于四线激光雷达的目标检测与跟踪算法研究;杨慧林;《中国优秀硕士学位论文全文数据库信息科技辑》;20190115;第22-26页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111044986A (zh) | 2020-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111044986B (zh) | 一种用于雷达目标检测的密度聚类方法及装置 | |
| CN109870680B (zh) | 一种目标分类方法及装置 | |
| KR101872017B1 (ko) | W대역 밀리미터파 탐색기에서 1차원 산란점 추출을 통한 표적 식별 방법 및 기록매체에 저장된 컴퓨터 프로그램 | |
| CN110895333B (zh) | 一种基于多普勒频率的77g车载雷达数据快速聚类方法 | |
| CN104181516A (zh) | 用于在机动车的驾驶员辅助系统中评估障碍物的方法 | |
| CN108845300B (zh) | 一种场面监视雷达恒虚警处理方法 | |
| KR101929510B1 (ko) | 이중 편파 채널을 이용하는 w대역 밀리미터파 탐색기에서 표적 식별 장치 | |
| CN113671481B (zh) | 一种基于毫米波雷达的3d多目标跟踪处理方法 | |
| CN111929653B (zh) | 一种基于无人船航海雷达的目标检测、跟踪方法及系统 | |
| US6697007B2 (en) | Automatic recognition of radar scan type | |
| CN115423019A (zh) | 一种基于密度的模糊聚类方法及装置 | |
| CN113536850A (zh) | 基于77g毫米波雷达的目标物体大小测试方法和装置 | |
| CN111273263B (zh) | 基于信息融合的自主探测声纳多目标doa估计方法 | |
| US11391831B2 (en) | Association aware radar beamforming | |
| CN114882701A (zh) | 车位检测方法、装置、电子设备及机器可读存储介质 | |
| CN108535704B (zh) | 一种基于自适应二维聚类的信号预分选方法 | |
| CN110488259B (zh) | 一种基于gdbscan的雷达目标分类方法及装置 | |
| CN113269889A (zh) | 一种基于椭圆域的自适应点云目标聚类方法 | |
| CN112612011A (zh) | 基于kd-树空间搜索的dbscan生命探测雷达点迹凝聚方法和系统 | |
| Cummings et al. | Optimizing the information-theoretic partitioning of simultaneous transmit and receive phased arrays | |
| CN109239677B (zh) | 一种环境自适应恒虚警检测门限确定方法 | |
| CN113406578B (zh) | 分布式无人机载雷达目标检测方法、装置及存储介质 | |
| KR102361816B1 (ko) | 표적 탐지 방법 및 기록 매체 | |
| KR101961804B1 (ko) | 간섭계 방식을 이용한 합차 모노펄스의 부엽 식별 장치 및 방법 | |
| CN116413680A (zh) | 基于激光雷达和毫米波雷达的扫描方法及探测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221122 Address after: Room 403, 4th floor, unit 1, building 20, Longhu Shidai Tianjie, No. 89, Hezuo Road, high tech Zone (West District), Chengdu, Sichuan, 611730 Patentee after: CHENGDU NALEI TECHNOLOGY CO.,LTD. Patentee after: HUNAN NOVASKY ELECTRONIC TECHNOLOGY Co.,Ltd. Address before: Room 403, 4th floor, unit 1, building 20, Longhu Shidai Tianjie, No. 89, Hezuo Road, high tech Zone (West District), Chengdu, Sichuan, 611730 Patentee before: CHENGDU NALEI TECHNOLOGY CO.,LTD. |
|
| TR01 | Transfer of patent right | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 403, 4th floor, unit 1, building 20, Longhu Shidai Tianjie, No. 89, Hezuo Road, high tech Zone (West District), Chengdu, Sichuan, 611730 Patentee after: CHENGDU NALEI TECHNOLOGY CO.,LTD. Patentee after: Huanuo Xingkong Technology Co.,Ltd. Address before: Room 403, 4th floor, unit 1, building 20, Longhu Shidai Tianjie, No. 89, Hezuo Road, high tech Zone (West District), Chengdu, Sichuan, 611730 Patentee before: CHENGDU NALEI TECHNOLOGY CO.,LTD. Patentee before: Hunan Huanuo Xingkong Electronic Technology Co.,Ltd. Address after: Room 403, 4th floor, unit 1, building 20, Longhu Shidai Tianjie, No. 89, Hezuo Road, high tech Zone (West District), Chengdu, Sichuan, 611730 Patentee after: CHENGDU NALEI TECHNOLOGY CO.,LTD. Patentee after: Hunan Huanuo Xingkong Electronic Technology Co.,Ltd. Address before: Room 403, 4th floor, unit 1, building 20, Longhu Shidai Tianjie, No. 89, Hezuo Road, high tech Zone (West District), Chengdu, Sichuan, 611730 Patentee before: CHENGDU NALEI TECHNOLOGY CO.,LTD. Patentee before: HUNAN NOVASKY ELECTRONIC TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |