[发明专利]一种基于毫米波雷达点云特征的核支持向量机目标分类方法有效
| 申请号： | 201910640745.7 | 申请日： | 2019-07-16 |
| 公开（公告）号： | CN110427986B | 公开（公告）日： | 2022-02-01 |
| 发明（设计）人： | 宋春毅;赵自豪;陈钦;崔富城;宋钰莹;徐志伟 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 贾玉霞 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于毫米波雷达点云特征的核支持向量机目标分类方法，该方法首先对原始的雷达点云数据进行预处理，将雷达探测区域外的点云剔除。接着通过聚类算法将目标点云聚为一类，从而剔除噪声点云。然后结合目标的点云特点构建了由11个特征构成的特征向量，并采用核支持向量机分类器来进行训练和测试，从而实现目标分类。本发明比传统的基于毫米波雷达目标分类方法具有更高的识别准确率，对研究自动驾驶的感知能力具有重要的现实意义。 | ||
| 搜索关键词： | 一种 基于 毫米波 雷达 特征 支持 向量 目标 分类 方法 | ||
【主权项】：
1.一种基于毫米波雷达点云特征的核支持向量机目标分类方法，其特征在于，包括以下步骤：S1：对原始的雷达点云预处理，将雷达探测区域外的点云剔除；S2：通过具有噪声的基于密度的聚类方法将目标点云聚为一类，从而剔除噪声点云；S3：提取目标的点云特征，组合成用于目标分类的特征向量；S4：将所有目标点云的特征向量组合成特征样本集，采用十折交叉验证的方法将特征样本集分为训练集和测试集，采用训练集对核支持向量机进行训练，采用测试集测试训练好的核支持向量机的分类效果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910640745.7/，转载请声明来源钻瓜专利网。
