[发明专利]用于车辆的聚类方法、装置、设备和存储介质

说明书

本发明适用于雷达测控技术领域，提供了一种用于车辆的聚类方法、装置、设备和存储介质，其中，用于车辆的聚类方法包括：获取预先根据基于密度的聚类算法对路段中车辆处理得到的多个聚类中的第一目标聚类；根据第一目标聚类对应的点云中各个点的第一目标参数的特征向量之间的欧式距离，获取第一目标聚类对应的点云的第一距离矩阵C_n×n；将第一距离矩阵中的最大值所在的行号对应的点确定为第一聚类中心，将第一距离矩阵中的最大值所在的列号对应的点确定为第二聚类中心；根据第一聚类中心和第二聚类中心，对第一目标聚类对应的点云进行聚类，得到多个第一车辆聚类。采用本发明可以提高拥堵路段的车辆的聚类准确度。

技术领域

本发明属于雷达测控技术领域，尤其涉及一种用于车辆的聚类方法、装置、设备和存储介质。

背景技术

目前，车载高分辨毫米波雷达通常采用基于密度的聚类(Density-BasedClustering，DBSCAN)算法对车辆进行聚类。

然而，当车辆处于拥堵路段时，DBSCAN算法对车辆的聚类准确度往往较低。

发明内容

有鉴于此，本发明实施例提供了一种用于车辆的聚类方法、装置、设备和存储介质，以解决现有技术中拥堵路段的车辆的聚类准确度较低的问题。

本发明实施例的第一方面提供了一种用于车辆的聚类方法，包括：

获取预先根据基于密度的聚类算法对路段中车辆处理得到的多个聚类中的第一目标聚类；所述第一目标聚类的第一参数和第二参数均大于第一预设阈值；

根据所述第一目标聚类对应的点云中各个点的第一目标参数的特征向量之间的欧式距离，获取所述第一目标聚类对应的点云的第一距离矩阵C_n×n；其中，所述第一目标参数为所述第一参数和第二参数中较小的参数，所述第一距离矩阵包括n行和n列，C_i×j为序号为i的点和序号为j的点之间的欧式距离值，1≤i≤n，1≤j≤n，i、j和n均为正整数；

将所述第一距离矩阵中的最大值所在的行号对应的点确定为第一聚类中心，将所述第一距离矩阵中的最大值所在的列号对应的点确定为第二聚类中心；

根据所述第一聚类中心和所述第二聚类中心，对所述第一目标聚类对应的点云进行聚类，得到多个第一车辆聚类。

本发明实施例的第二方面提供了一种用于车辆的聚类装置，包括：

第一获取模块，用于获取预先根据基于密度的聚类算法对路段中车辆处理得到的多个聚类中的第一目标聚类；所述第一目标聚类的第一参数和第二参数均大于第一预设阈值；

第二获取模块，用于根据所述第一目标聚类对应的点云中各个点的第一目标参数的特征向量之间的欧式距离，获取所述第一目标聚类对应的点云的第一距离矩阵C_n×n；其中，所述第一目标参数为所述第一参数和第二参数中较小的参数，所述第一距离矩阵包括n行和n列，C_i×j为序号为i的点和序号为j的点之间的欧式距离值，1≤i≤n，1≤j≤n；

确定模块，用于将所述第一距离矩阵中的最大值所在的行号对应的点确定为第一聚类中心，将所述第一距离矩阵中的最大值所在的列号对应的点确定为第二聚类中心；

聚类模块，用于根据所述第一聚类中心和所述第二聚类中心，对所述第一目标聚类对应的点云进行聚类，得到多个第一车辆聚类。

本发明实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。