所属的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。在一些可能的实施方式中，根据本公开的电子设备可以至少包括至少一个处理器、以及至少一个计算机存储介质。其中，计算机存储介质存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本公开各种示例性实施方式的复杂交通环境中的多目标识别方法中的步骤。例如，处理器可以执行如图3中所示的步骤301-305。下面参照图10来描述根据本公开的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。如图10所示，电子设备1000以通用电子设备的形式表现。电子设备1000的组件可以包括但不限于：上述至少一个处理器1001、上述至少一个计算机存储介质1002、连接不同系统组件(包括计算机存储介质1002和处理器1001)的总线1003。总线1003表示几类总线结构中的一种或多种，包括计算机存储介质总线或者计算机存储介质控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。计算机存储介质1002可以包括易失性计算机存储介质形式的可读介质，例如随机存取计算机存储介质(ram)1021和/或高速缓存存储介质1022，还可以进一步包括只读计算机存储介质(rom)1023。计算机存储介质1002还可以包括具有一组(至少一个)程序模块1024的程序/实用工具1025，这样的程序模块1024包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。电子设备1000也可以与一个或多个外部设备1004(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口1005进行。并且，电子设备1000还可以通过网络适配器1006与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器1006通过总线1003与用于电子设备1000的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。在一些可能的实施方式中，本公开提供的一种复杂交通环境中的多目标识别方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本公开各种示例性实施方式的复杂交通环境中的多目标识别方法中的步骤。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取计算机存储介质(ram)、只读计算机存储介质(rom)、可擦式可编程只读计算机存储介质(eprom或闪存)、光纤、便携式紧凑盘只读计算机存储介质(cd-rom)、光计算机存储介质件、磁计算机存储介质件、或者上述的任意合适的组合。本公开的实施方式的复杂交通环境中的多目标识别的程序产品可以采用便携式紧凑盘只读计算机存储介质(cd-rom)并包括程序代码，并可以在电子设备上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络包括局域网(lan)或广域网(wan)连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。应当注意，尽管在上文详细描述中提及了装置的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。此外，尽管在附图中以特定顺序描述了本公开方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘计算机存储介质、cd-rom、光学计算机存储介质等)上实施的计算机程序产品的形式。本公开是参照根据本公开的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读计算机存储介质中，使得存储在该计算机可读计算机存储介质中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。显然，本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样，倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。
背景技术：
1、复杂交通环境是指机动车、非机动车、行人组成的混合交通。严重地影响了道路交通秩序，降低了道路通行能力，增加了道路交通管理难度。
2、基于交通道路车辆识别来实现交通管制、实时监测和统计道路上各类型车辆的位置、速度和数量，从根源上预防交通事故的解决方案，是快速改善道路通行环境，提高交通安全的一种有效途径。
3、现有技术中，实现交通道路车辆识别的方式基于对目标单次探测产生的点云数据得出分类结果。但是，在实际的道路目标分类任务中，该方法的分类效果容易受到异常探测结果的影响，并且在拥挤复杂的交通环境中仅依靠单帧的点云数据来进行目标识别的准确率较低。
技术实现思路
1、本公开示例性的实施方式中提供一种复杂交通环境中的多目标识别方法及电子设备，用于提高在复杂交通环境下的目标识别的准确率。
2、本公开的第一方面提供一种复杂交通环境中的多目标识别方法，所述方法包括：
3、每隔指定时长，获取指定帧数的道路点云数据，其中，所述道路点云数据是利用毫米波雷达对所述目标道路进行检测得到的；
4、针对任意一帧道路点云数据，将所述道路点云数据在所述毫米波雷达的径向距离上进行投影，得到所述道路点云数据的高分辨率距离信号hrrp，以及对所述道路点云数据进行点云特征提取，得到所述道路点云数据各自的点云特征；并，
5、根据所述道路点云数据的所述点云特征、hrrp几何特征以及hrrp功率谱特征，得到所述道路点云数据的点云特征集合，其中，所述hrrp几何特征和所述hrrp功率谱特征为对所述道路点云数据的hrrp进行特征提取得到的；
6、根据所述指定帧数的道路点云数据的点云特征集合，得到点云特征序列；
7、将所述点云特征序列输入至预先训练好的目标分类模型中，得到所述指定帧数的道路点云数据中各目标对象的类别。
8、本实施例中通过先提取单帧道路点云数据的点云特征、hrrp几何特征以及hrrp功率谱特征来确定出单帧道路点云数据的点云特征集合，然后再将多帧道路点云数据的点云特征集合进行联合得到点云特征序列。并基于点云特征序列进行目标识别得到各目标对象的类别。由此，申请实施例中通过提取单帧道路点云数据中的多个特征以准确获取到各类目标对象的点云特征集合；并通过融合时间序列上的多帧道路点云数据的点云特征集合，得到高维多帧的点云特征序列，所以，可以抓取到在复杂交通环境中的各目标对象的更多细节信息，以提高复杂交通环境中的多目标识别的准确率。
9、在一个实施例中，所述道路点云数据包括各目标点的位置坐标、径向速度以及回波强度；且任意一个点云特征包括点云数量、点云质心的横位置坐标、点云质心的纵位置坐标、点云质心横纵坐标比值、点云质心相对雷达距离、点云质心径向速度、点云质心径向速度方差、点云质心径向速度变化差、点云回波强度最小值、点云回波强度最大值、点云回波强度均值、点云回波强度方差、点云横位置坐标差、点云纵位置坐标差、点云横位置坐标方差、点云纵位置坐标方差以及点云密度中的至少一个；
10、所述对所述道路点云数据进行点云特征提取，得到所述道路点云数据的点云特征，包括：
11、将所述道路点云数据中各目标点的总数量确定为所述点云数量；和/或，
12、将所述道路点云数据中各目标点的横位置坐标的均值确定为所述点云质心的横位置坐标；和/或，
13、将所述道路点云数据中各目标点的纵位置坐标的均值确定为所述点云质心的纵位置坐标；和/或，
14、将所述点云质心的横位置坐标与所述点云质心的纵位置坐标相除，得到所述点云质心横纵坐标比值；和/或，
15、根据所述点云质心的横位置坐标和所述点云质心的纵位置坐标，得到所述点云质心相对雷达距离；和/或，
16、将所述道路点云数据中各目标点的径向速度的平均值确定为所述点云质心径向速度；和/或，
17、根据所述道路点云数据中各目标点的径向速度以及所述点云质心径向速度，得到所述点云质心径向速度方差；和/或，
18、将所述道路点云数据中数值最大的目标点的径向速度与数值最小的目标点的径向速度的差值确定为所述点云质心径向速度变化差；和/或，
19、将所述道路点云数据中数值最小的目标点的回波强度确定为所述点云回波强度最小值；和/或，
20、将所述道路点云数据中数值最大的目标点的回波强度确定为所述点云回波强度最大值；和/或，
21、将所述道路点云数据中各目标点的回波强度的均值确定为所述点云回波强度均值；
22、根据所述道路点云数据中各目标点的回波强度以及所述点云回波强度均值，得到所述点云回波强度方差；
23、将所述道路点云数据中数值最大的目标点的横位置坐标与数值最小的横位置坐标相减，得到所述点云横位置坐标差；
24、将所述道路点云数据中数值最大的目标点的纵位置坐标与数值最小的目标点的纵位置坐标相减，得到所述点云纵位置坐标差；
25、根据所述道路点云数据中各目标点的横位置坐标以及所述点云质心的横位置坐标，得到所述点云横位置坐标方差；
26、根据所述道路点云数据中各目标点的纵位置坐标以及所述点云质心的纵位置坐标，得到所述点云纵位置坐标方差；
27、根据所述点云横位置坐标差、所述点云纵位置坐标差以及所述点云数量，得到所述点云密度。
28、在一个实施例中，所述将所述道路点云数据中各目标点的横位置坐标的均值确定为所述点云质心的横位置坐标，包括：
29、通过以下公式得到所述点云质心的横位置坐标：
30、
31、其中，为所述点云质心的横位置坐标，xi为所述道路点云数据中目标点i的横位置坐标，i∈[1,n]，n为所述道路点云数据中各目标点的总数量；
32、所述将所述道路点云数据中各目标点的纵位置坐标的均值确定为所述点云质心的纵位置坐标，包括：
33、通过以下公式得到所述点云质心的纵位置坐标：
34、
35、其中，为所述点云质心的纵位置坐标，yi为所述道路点云数据中目标点i的纵位置坐标；
36、所述将所述点云质心的横位置坐标与所述点云质心的纵位置坐标相除，得到所述点云质心横纵坐标比值，包括：
37、通过以下公式得到所述点云质心横纵坐标比值：
38、
39、其中，σ为所述点云质心横纵坐标比值；
40、所述根据所述点云质心的横位置坐标和所述点云质心的纵位置坐标，得到所述点云质心相对雷达距离，包括：
41、通过以下公式得到所述点云质心相对雷达距离：
42、
43、其中，r为所述点云质心相对雷达距离；
44、所述将所述道路点云数据中各目标点的径向速度的平均值确定为所述点云质心径向速度，包括：
45、通过以下方式得到所述点云质心径向速度：
46、
47、其中，为所述点云质心径向速度，vi为所述道路点云数据中目标点i的径向速度；
48、所述根据所述道路点云数据中各目标点的径向速度以及所述点云质心径向速度，得到所述点云质心径向速度方差，包括：
49、通过以下公式得到所述点云质心径向速度方差：
50、
51、其中，δv为所述点云质心径向速度方差，vi为所述道路点云数据中目标点i的径向速度，为所述点云质心径向速度；
52、所述将所述道路点云数据中数值最大的目标点的径向速度与数值最小的目标点的径向速度的差值确定为所述点云质心径向速度变化差，包括：
53、通过以下公式得到所述点云质心径向速度变化差：
54、av＝vmax-vmin；
55、其中，av为所述点云质心径向速度变化差，vmax为所述道路点云数据中数值最大的目标点的径向速度，vmin为所述道路点云数据中数值最小的目标点的径向速度；
56、所述将所述道路点云数据中各目标点的回波强度的均值确定为所述点云回波强度均值，包括：
57、通过以下公式得到所述点云回波强度均值：
58、
59、其中，为所述点云回波强度均值，dbi为目标点i的回波强度；
60、所述根据所述道路点云数据中各目标点的回波强度以及所述点云回波强度均值，得到所述点云回波强度方差，包括：
61、通过以下公式得到所述点云回波强度方差：
62、
63、其中，δdb为所述点云回波强度方差，dbi为道路点云数据中目标点i的回波强度，db为所述点云回波强度均值；
64、所述将所述道路点云数据中数值最大的目标点的横位置坐标与数值最小的目标点的横位置坐标相减，得到所述点云横位置坐标差，包括：
65、ax＝xmax-xmin；
66、其中，ax为所述点云横位置坐标差，xmax为所述道路点云数据中数值最大的目标点的横位置坐标，xmin为所述道路点云数据中数值最大的目标点的横位置坐标；
67、所述将所述道路点云数据中数值最大的目标点的纵位置坐标与数值最小的目标点的纵位置坐标相减，得到所述点云纵位置坐标差，包括：
68、通过以下公式得到所述点云纵位置坐标差：
69、ay＝ymax-ymin；
70、其中，ay为所述点云纵位置坐标差，ymax为所述道路点云数据中数值最大的目标点的纵位置坐标，ymin为所述道路点云数据中数值最大的目标点的纵位置坐标；
71、所述根据所述道路点云数据中各目标点的横位置坐标以及所述点云质心的横位置坐标，得到所述点云横位置坐标方差，包括：
72、通过以下公式得到所述点云横位置坐标方差：
73、
74、其中，δx为所述点云横位置坐标方差，xi为所述道路点云数据中目标点i的横位置坐标，为所述点云质心的横位置坐标；
75、所述根据所述道路点云数据中各目标点的纵位置坐标以及所述点云质心的纵位置坐标，得到所述点云纵位置坐标方差，包括：
76、通过以下公式得到所述点云纵位置坐标方差：
77、
78、其中，δy为所述点云纵位置坐标方差，yi为所述道路点云数据中目标点i的纵位置坐标，为所述点云质心的纵位置坐标；
79、所述根据所述点云横位置坐标差、所述点云纵位置坐标差以及所述点云数量，得到所述点云密度，包括：
80、通过以下公式得到所述点云密度：
81、
82、其中，ρ为所述点云密度，αx为所述点云横位置坐标差，αy为所述点云纵位置坐标差。
83、在一个实施例中，所述道路点云数据的hrrp包括所述道路点云数据中各目标点的幅值；
84、所述hrrp几何特征包括等效散射中心数量、等效目标尺寸、hrrp信号熵、hrrp信号标准差、hrrp信号偏差、hrrp信号不规则度、hrrp信号回波能量、hrrp信号能量比、hrrp信号偏度以及hrrp信号峰度中的至少一个；
85、通过以下公式得到所述等效散射中心数量：
86、
87、其中，numsca为所述等效散射中心数量，y(i)为目标点i的幅值，m为所述道路点云数据中各目标点的幅值的平均值，n为所述道路点云数据中各目标点的总数量，当y(i)-m≥0时，ε(y(i)-m)＝1，当y(i)-m<0时，ε(y(i)-m)＝0；
88、通过以下公式得到所述等效目标尺寸：
89、根据所述hrrp中幅值最大的目标点的位置坐标与幅值最小的目标点的位置坐标，得到所述等效目标尺寸；
90、通过以下公式得到所述hrrp信号熵：
91、
92、其中，entropy为所述hrrp信号熵；
93、通过以下公式得到所述hrrp信号标准差：
94、
95、其中，std为所述hrrp信号标准差；
96、通过以下公式得到所述hrrp信号偏差：
97、
98、deviation为所述hrrp信号偏差；
99、通过以下公式得到所述hrrp信号不规则度：
100、
101、其中，irr为hrrp信号的不规则度，y(i-1)为目标点i的前一目标前i-1的幅值，y(i+1)为目标点i的后一目标点i+1的幅值；
102、通过以下公式得到所述hrrp信号回波能量：
103、
104、其中，tp为所述hrrp信号回波能量；
105、通过以下方式得到所述hrrp信号能量比：
106、将所述hrrp中各目标点的幅值从大到小的顺序进行排序，得到排序后的hrrp；并将排序后的hrrp中前指定数量的各目标点的幅值的平方的和与所述hrrp中各目标点的幅值的平方的总和相除，得到所述hrrp信号能量比，其中，所述指定数量与所述各目标点幅值的平均值相等；
107、通过以下公式得到所述hrrp信号偏度：
108、
109、其中，skewness为所述hrrp信号偏度，μ为所述各目标点的幅值的绝对值的平均值；
110、通过以下公式得到所述hrrp信号峰度：
111、
112、其中，urtosis为所述hrrp信号的峰度。
113、在一个实施例中，通过以下方式得到所述道路点云数据的hrrp功率谱特征：
114、针对所述道路点云数据的hrrp中的任意一个目标点的幅值，对所述目标点的幅值进行傅里叶变换，得到所述目标点的频域幅值；并，
115、将所述目标点的频域幅值的平方确定为所述目标点的功率谱；
116、将所述道路点云数据的hrrp中各目标点的功率谱确定为所述道路点云数据的hrrp功率谱特征。
117、本公开第二方面提供一种电子设备，包括处理器和存储器，所述处理器和所述存储器通过总线连接；
118、所述存储器中存储有计算机程序，所述处理器被配置为基于所述计算机程序执行以下操作：
119、每隔指定时长，获取指定帧数的道路点云数据，其中，所述道路点云数据是利用毫米波雷达对所述目标道路进行检测得到的；
120、针对任意一帧道路点云数据，将所述道路点云数据在所述毫米波雷达的径向距离上进行投影，得到所述道路点云数据的高分辨率距离信号hrrp，以及对所述道路点云数据进行点云特征提取，得到所述道路点云数据各自的点云特征；并，
121、根据所述道路点云数据的所述点云特征、hrrp几何特征以及hrrp功率谱特征，得到所述道路点云数据的点云特征集合，其中，所述hrrp几何特征和所述hrrp功率谱特征为对所述道路点云数据的hrrp进行特征提取得到的；
122、根据所述指定帧数的道路点云数据的点云特征集合，得到点云特征序列；
123、将所述点云特征序列输入至预先训练好的目标分类模型中，得到所述指定帧数的道路点云数据中各目标对象的类别。
124、在一个实施例中，所述道路点云数据包括各目标点的位置坐标、径向速度以及回波强度；且任意一个点云特征包括点云数量、点云质心的横位置坐标、点云质心的纵位置坐标、点云质心横纵坐标比值、点云质心相对雷达距离、点云质心径向速度、点云质心径向速度方差、点云质心径向速度变化差、点云回波强度最小值、点云回波强度最大值、点云回波强度均值、点云回波强度方差、点云横位置坐标差、点云纵位置坐标差、点云横位置坐标方差、点云纵位置坐标方差以及点云密度中的至少一个；
125、所述处理器执行所述对所述道路点云数据进行点云特征提取，得到所述道路点云数据的点云特征，具体被配置为：
126、将所述道路点云数据中各目标点的总数量确定为所述点云数量；和/或，
127、将所述道路点云数据中各目标点的横位置坐标的均值确定为所述点云质心的横位置坐标；和/或，
128、将所述道路点云数据中各目标点的纵位置坐标的均值确定为所述点云质心的纵位置坐标；和/或，
129、将所述点云质心的横位置坐标与所述点云质心的纵位置坐标相除，得到所述点云质心横纵坐标比值；和/或，
130、根据所述点云质心的横位置坐标和所述点云质心的纵位置坐标，得到所述点云质心相对雷达距离；和/或，
131、将所述道路点云数据中各目标点的径向速度的平均值确定为所述点云质心径向速度；和/或，
132、根据所述道路点云数据中各目标点的径向速度以及所述点云质心径向速度，得到所述点云质心径向速度方差；和/或，
133、将所述道路点云数据中数值最大的目标点的径向速度与数值最小的目标点的径向速度的差值确定为所述点云质心径向速度变化差；和/或，
134、将所述道路点云数据中数值最小的目标点的回波强度确定为所述点云回波强度最小值；和/或，
135、将所述道路点云数据中数值最大的目标点的回波强度确定为所述点云回波强度最大值；和/或，
136、将所述道路点云数据中各目标点的回波强度的均值确定为所述点云回波强度均值；
137、根据所述道路点云数据中各目标点的回波强度以及所述点云回波强度均值，得到所述点云回波强度方差；
138、将所述道路点云数据中数值最大的目标点的横位置坐标与数值最小的横位置坐标相减，得到所述点云横位置坐标差；
139、将所述道路点云数据中数值最大的目标点的纵位置坐标与数值最小的目标点的纵位置坐标相减，得到所述点云纵位置坐标差；
140、根据所述道路点云数据中各目标点的横位置坐标以及所述点云质心的横位置坐标，得到所述点云横位置坐标方差；
141、根据所述道路点云数据中各目标点的纵位置坐标以及所述点云质心的纵位置坐标，得到所述点云纵位置坐标方差；
142、根据所述点云横位置坐标差、所述点云纵位置坐标差以及所述点云数量，得到所述点云密度。
143、在一个实施例中，所述处理器执行所述道路点云数据中各目标点的横位置坐标的均值确定为所述点云质心的横位置坐标，具体被配置为：
144、通过以下公式得到所述点云质心的横位置坐标：
145、
146、其中，为所述点云质心的横位置坐标，xi为所述道路点云数据中目标点i的横位置坐标，i∈[1,n]，n为所述道路点云数据中各目标点的总数量；
147、所述处理器执行所述将所述道路点云数据中各目标点的纵位置坐标的均值确定为所述点云质心的纵位置坐标，具体被配置为：
148、通过以下公式得到所述点云质心的纵位置坐标：
149、
150、其中，为所述点云质心的纵位置坐标，yi为所述道路点云数据中目标点i的纵位置坐标；
151、所述处理器执行所述将所述点云质心的横位置坐标与所述点云质心的纵位置坐标相除，得到所述点云质心横纵坐标比值，具体被配置为：
152、通过以下公式得到所述点云质心横纵坐标比值：
153、
154、其中，σ为所述点云质心横纵坐标比值；
155、所述处理器执行所述根据所述点云质心的横位置坐标和所述点云质心的纵位置坐标，得到所述点云质心相对雷达距离，具体被配置为：
156、通过以下公式得到所述点云质心相对雷达距离：
157、
158、其中，r为所述点云质心相对雷达距离；
159、所述处理器执行所述将所述道路点云数据中各目标点的径向速度的平均值确定为所述点云质心径向速度，具体被配置为：
160、通过以下方式得到所述点云质心径向速度：
161、
162、其中，为所述点云质心径向速度，vi为所述道路点云数据中目标点i的径向速度；
163、所述处理器执行所述根据所述道路点云数据中各目标点的径向速度以及所述点云质心径向速度，得到所述点云质心径向速度方差，具体被配置为：
164、通过以下公式得到所述点云质心径向速度方差：
165、
166、其中，δv为所述点云质心径向速度方差，vi为所述道路点云数据中目标点i的径向速度，为所述点云质心径向速度；
167、所述处理器执行所述将所述道路点云数据中数值最大的目标点的径向速度与数值最小的目标点的径向速度的差值确定为所述点云质心径向速度变化差，具体被配置为：
168、通过以下公式得到所述点云质心径向速度变化差：
169、av＝vmax-vmin；
170、其中，其中，av为所述点云质心径向速度变化差，vmax为所述道路点云数据中数值最大的目标点的径向速度，vmin为所述道路点云数据中数值最小的目标点的径向速度；
171、所述处理器执行所述将所述道路点云数据中各目标点的回波强度的均值确定为所述点云回波强度均值，具体被配置为：
172、通过以下公式得到所述点云回波强度均值：
173、
174、其中，为所述点云回波强度均值，dbi为目标点i的回波强度；
175、所述处理器执行所述根据所述道路点云数据中各目标点的回波强度以及所述点云回波强度均值，得到所述点云回波强度方差，具体被配置为：
176、通过以下公式得到所述点云回波强度方差：
177、
178、其中，δdb为所述点云回波强度方差，dbi为道路点云数据中目标点i的回波强度，为所述点云回波强度均值；
179、所述处理器执行所述将所述道路点云数据中数值最大的目标点的横位置坐标与数值最小的目标点的横位置坐标相减，得到所述点云横位置坐标差，具体被配置为：
180、ax＝xmax-xmin；
181、其中，ax为所述点云横位置坐标差，xmax为所述道路点云数据中数值最大的目标点的横位置坐标，xmin为所述道路点云数据中数值最大的目标点的横位置坐标；
182、所述处理器执行所述将所述道路点云数据中数值最大的目标点的纵位置坐标与数值最小的目标点的纵位置坐标相减，得到所述点云纵位置坐标差，具体被配置为：
183、通过以下公式得到所述点云纵位置坐标差：
184、ay＝ymax-ymin；
185、其中，ay为所述点云纵位置坐标差，ymax为所述道路点云数据中数值最大的目标点的纵位置坐标，ymin为所述道路点云数据中数值最大的目标点的纵位置坐标；
186、所述处理器执行所述根据所述道路点云数据中各目标点的横位置坐标以及所述点云质心的横位置坐标，得到所述点云横位置坐标方差，具体被配置为：
187、通过以下公式得到所述点云横位置坐标方差：
188、
189、其中，δx为所述点云横位置坐标方差，xi为所述道路点云数据中目标点i的横位置坐标，为所述点云质心的横位置坐标；
190、所述处理器执行所述根据所述道路点云数据中各目标点的纵位置坐标以及所述点云质心的纵位置坐标，得到所述点云纵位置坐标方差，具体被配置为：
191、通过以下公式得到所述点云纵位置坐标方差：
192、
193、其中，δy为所述点云纵位置坐标方差，yi为所述道路点云数据中目标点i的纵位置坐标，为所述点云质心的纵位置坐标；
194、所述处理器执行所述根据所述点云横位置坐标差、所述点云纵位置坐标差以及所述点云数量，得到所述点云密度，具体被配置为：
195、通过以下公式得到所述点云密度：
196、
197、其中，ρ为所述点云密度，αx为所述点云横位置坐标差，αy为所述点云纵位置坐标差。
198、在一个实施例中，所述道路点云数据的hrrp包括所述道路点云数据中各目标点的幅值；
199、所述hrrp几何特征包括等效散射中心数量、等效目标尺寸、hrrp信号熵、hrrp信号标准差、hrrp信号偏差、hrrp信号不规则度、hrrp信号回波能量、hrrp信号能量比、hrrp信号偏度以及hrrp信号峰度中的至少一个；
200、所述处理器，还被配置为：
201、通过以下公式得到所述等效散射中心数量：
202、
203、其中，numsca为所述等效散射中心数量，y(i)为目标点i的幅值，m为所述道路点云数据中各目标点的幅值的平均值，n为所述道路点云数据中各目标点的总数量，当y(i)-m≥0时，ε(y(i)-m)＝1，当y(i)-m<0时，ε(y(i)-m)＝0；
204、通过以下公式得到所述等效目标尺寸：
205、根据所述hrrp中幅值最大的目标点的位置坐标与幅值最小的目标点的位置坐标，得到所述等效目标尺寸；
206、通过以下公式得到所述hrrp信号熵：
207、
208、其中，entropy为所述hrrp信号熵；
209、通过以下公式得到所述hrrp信号标准差：
210、
211、其中，std为所述hrrp信号标准差；
212、通过以下公式得到所述hrrp信号偏差：
213、
214、deviation为所述hrrp信号偏差；
215、通过以下公式得到所述hrrp信号不规则度：
216、
217、其中，irr为hrrp信号的不规则度，y(i-1)为目标点i的前一目标前i-1的幅值，y(i+1)为目标点i的后一目标点i+1的幅值；
218、通过以下公式得到所述hrrp信号回波能量：
219、
220、其中，tp为所述hrrp信号回波能量；
221、通过以下方式得到所述hrrp信号能量比：
222、将所述hrrp中各目标点的幅值从大到小的顺序进行排序，得到排序后的hrrp；并将排序后的hrrp中前指定数量的各目标点的幅值的平方的和与所述hrrp中各目标点的幅值的平方的总和相除，得到所述hrrp信号能量比，其中，所述指定数量与所述各目标点幅值的平均值相等；
223、通过以下公式得到所述hrrp信号偏度：
224、
225、其中，skewness为所述hrrp信号偏度，μ为所述各目标点的幅值的绝对值的平均值；
226、通过以下公式得到所述hrrp信号峰度：
227、
228、其中，urtosis为所述hrrp信号的峰度。
229、在一个实施例中，所述处理器，还被配置为：
230、通过以下方式得到所述道路点云数据的hrrp功率谱特征：
231、针对所述道路点云数据的hrrp中的任意一个目标点的幅值，对所述目标点的幅值进行傅里叶变换，得到所述目标点的频域幅值；并，
232、将所述目标点的频域幅值的平方确定为所述目标点的功率谱；
233、将所述道路点云数据的hrrp中各目标点的功率谱确定为所述道路点云数据的hrrp功率谱特征。
234、根据本公开实施例提供的第三方面，提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序用于执行如第一方面所述的方法。
1.一种复杂交通环境中的多目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述道路点云数据包括各目标点的位置坐标、径向速度以及回波强度；且任意一个点云特征包括点云数量、点云质心的横位置坐标、点云质心的纵位置坐标、点云质心横纵坐标比值、点云质心相对雷达距离、点云质心径向速度、点云质心径向速度方差、点云质心径向速度变化差、点云回波强度最小值、点云回波强度最大值、点云回波强度均值、点云回波强度方差、点云横位置坐标差、点云纵位置坐标差、点云横位置坐标方差、点云纵位置坐标方差以及点云密度中的至少一个；
3.根据权利要求2所述的方法，其特征在于，所述将所述道路点云数据中各目标点的横位置坐标的均值确定为所述点云质心的横位置坐标，包括：
4.根据权利要求1所述的方法，其特征在于，所述道路点云数据的hrrp包括所述道路点云数据中各目标点的幅值；
5.根据权利要求1所述的方法，其特征在于，通过以下方式得到所述道路点云数据的hrrp功率谱特征：
6.一种电子设备，其特征在于，包括处理器和存储器，所述处理器和所述存储器通过总线连接；
7.根据权利要求6所述的电子设备，其特征在于，所述道路点云数据包括各目标点的位置坐标、径向速度以及回波强度；且任意一个点云特征包括点云数量、点云质心的横位置坐标、点云质心的纵位置坐标、点云质心横纵坐标比值、点云质心相对雷达距离、点云质心径向速度、点云质心径向速度方差、点云质心径向速度变化差、点云回波强度最小值、点云回波强度最大值、点云回波强度均值、点云回波强度方差、点云横位置坐标差、点云纵位置坐标差、点云横位置坐标方差、点云纵位置坐标方差以及点云密度中的至少一个；
8.根据权利要求7所述的电子设备，其特征在于，所述处理器执行所述道路点云数据中各目标点的横位置坐标的均值确定为所述点云质心的横位置坐标，具体被配置为：
9.根据权利要求6所述的电子设备，其特征在于，所述道路点云数据的hrrp包括所述道路点云数据中各目标点的幅值；
10.根据权利要求6所述的电子设备，其特征在于，所述处理器，还被配置为：
