extract_centroid.m

function[centroids, ClusterMetrics]=extract_centroids(data_cluster,targets)%=====================================================================% 函数功能：提取当前帧点云聚类后的质心点(Measurement Fusion)% 输入参数： % data_cluster -[N x6]矩阵，聚类后的点云数据 % 第1,2,3列: X, Y, Z(直角坐标)% 第4列: Velocity(多普勒速度/径向速度)% 第5列: SNR / Power(信号能量)% 第6列: Cluster ID(聚类标签，0或-1代表噪声)% targets -[M x4]矩阵，真实目标质心 Range, Vel, HorAngle, TargetID % 输出参数： % centroids -[M x5]矩阵，凝聚后的多目标质心点迹列表(M 为目标个数)% 每一行格式为:[X, Y, Z, Velocity, Total_Power]% ClusterMetrics - 结构体数组(长度为 M)，包含每个簇的量化评估指标： % .density_vol - 空间绝对密度(点数/立方米)% .compactness - 相对紧凑度(碎点到质心的平均欧氏距离，米)% .center_error - 凝聚质心与飞机真实几何中心的物理偏差(米)%=====================================================================ClusterMetrics.avg_density=0.0;ClusterMetrics.avg_compact=0.0;ClusterMetrics.avg_center_err=NaN;% 测距测角偏差没配上时按学术惯例挂 NaN %1. 安全检查：如果当前帧没有任何点云，直接返回空ifisempty(data_cluster)centroids=[];ClusterMetrics=[];return;end %2. 提取所有唯一的聚类标签 all_ids=data_cluster(:,6);% Cluster ID unique_ids=unique(all_ids);% 聚类数 %3. 剔除噪声标签(DBSCAN 中通常0或-1代表无法成类的孤立噪声点)valid_ids=unique_ids(unique_ids>0);num_clusters=length(valid_ids);% 有效聚类数 %4. 如果没有合法的聚类目标，直接返回空ifnum_clusters==0centroids=[];ClusterMetrics=[];return;end %5. 合成每个有效聚类的质心点 centroids=zeros(num_clusters,5);%[X, Y, Z, Velocity, Total_Power]W_points=zeros(num_clusters,1);% 记录每个有效聚类中的碎点数 % 预分配指标结构体数组，单个聚类的 TermMetrics=struct('density_vol', cell(num_clusters,1),...'compactness', cell(num_clusters,1),...'center_error', cell(num_clusters,1));forii=1:num_clusters % 遍历每一个有效聚类簇，将属于同一个标签的所有碎点的坐标、速度进行算术平均，能量（SNR）累加， current_id=valid_ids(ii);points_in_cluster=data_cluster(all_ids==current_id,:);% 提取属于当前聚类 ID 的所有碎点 N_points=size(points_in_cluster,1);% 当前有效聚类的碎点数 W_points(ii)=N_points;% 记录该簇碎点数 mean_X=mean(points_in_cluster(:,1));mean_Y=mean(points_in_cluster(:,2));mean_Z=mean(points_in_cluster(:,3));mean_V=mean(points_in_cluster(:,4));% 速度平均 snr_db_points=points_in_cluster(:,5);% 提取所有碎点的单点 SNR(dB)sum_snr_linear=sum(10.^(snr_db_points ./10));% 转回再求和，【不能将db值简单相加】 total_snr_db=10* log10(sum_snr_linear);% 能量和（不能将db值简单相加） centroids(ii,:)=[mean_X, mean_Y, mean_Z, mean_V, total_snr_db];% 簇质心 %%======指标一：点云空间绝对密度(Volume Density)======% 包围单簇的三维立方体长宽高 dx=max(points_in_cluster(:,1))- min(points_in_cluster(:,1));dy=max(points_in_cluster(:,2))- min(points_in_cluster(:,2));dz=max(points_in_cluster(:,3))- min(points_in_cluster(:,3));volume=max(0.1, dx)* max(0.1, dy)* max(0.1, dz);% 立方体体积，规避分母为0风险 TermMetrics(ii).density_vol=N_points / volume;% 单位: points / m^3 %%======指标二：点云相对紧凑度(Compactness)======% 计算该簇内所有碎点到凝聚质心中心的平均欧氏距离 TermMetrics(ii).compactness=mean(sqrt((points_in_cluster(:,1)-mean_X).^2+...(points_in_cluster(:,2)-mean_Y).^2+...(points_in_cluster(:,3)-mean_Z).^2));%%======指标三：【多目标最近邻真值偏差】(Center Error)======has_truth=(nargin>1)&&~isempty(targets);if has_truth unique_true_ids=unique(targets(:,4));% 真实大目标数 num_true_targets=length(unique_true_ids);% 动态建立每个大目标的直角坐标几何中心矩阵[X Y Z]True_Centers=zeros(num_true_targets,3);fortIdx=1:num_true_targets % 遍历每个大目标 curr_true_id=unique_true_ids(tIdx);curr_target_mask=(targets(:,4)==curr_true_id);% 获取每个大目标的所有碎点信息 % 分别计算这架特定飞机的碎点极坐标均值 r_mean=mean(targets(curr_target_mask,1));% 所有碎点距离均值 ang_mean=mean(targets(curr_target_mask,3));% 所有碎点角度均值 % 转换到直角坐标，得到该大目标的纯正几何中心 True_Centers(tIdx,1)=r_mean * sind(ang_mean);% 大目标质心的X值 True_Centers(tIdx,2)=r_mean * cosd(ang_mean);% 大目标质心的Y值 True_Centers(tIdx,3)=0;% 2D平面高度置零 大目标质心的Z值置零 end % 当前簇质心与最接近的真实目标质心距离偏差 TermMetrics(ii).center_error=min(sqrt((mean_X-True_Centers(:,1)).^2 +...(mean_Y - True_Centers(:,2)).^2 +...(mean_Z - True_Centers(:,3)).^2));elseTermMetrics(ii).center_error=NaN;end end % 【多目标情况下不能简单的用所有真实目标的均值来计算】 raw_densities=[TermMetrics.density_vol]'; raw_compactness = [TermMetrics.compactness]';raw_errors=[TermMetrics.center_error]'; W_norm = W_points(:) / sum(W_points); % 归一化点数权重 (大目标权重高，小噪声权重低) if num_clusters > 0 ClusterMetrics.avg_density = W_norm'* raw_densities;ClusterMetrics.avg_compact=W_norm' * raw_compactness; % 针对中心偏差进行无效值(NaN)过滤防护 valid_err_mask = ~isnan(raw_errors); if any(valid_err_mask) W_err = W_points(valid_err_mask); W_err_norm = W_err(:) / sum(W_err); sub_errors = raw_errors(valid_err_mask); % 标量化相乘 ClusterMetrics.avg_center_err = W_err_norm'* sub_errors(:);elseClusterMetrics.avg_center_err=NaN;endelseClusterMetrics.avg_density=TermMetrics.density_vol;ClusterMetrics.avg_compact=TermMetrics.compactness;ClusterMetrics.avg_center_err=TermMetrics.center_error;end end

• 簇的质心。对属于每个聚类（簇）的碎点，xyzv取均值，能量/SNR，先转回线性表达求和再转回db形式，不能直接将db值相加。
• 点云空间绝对密度 (Volume Density)，点云数量/该簇立方体体积
• 点云相对紧凑度 (Compactness)，单个簇的碎点到簇的质心的平均距离。
• 多目标最近邻真值偏差(Center Error) ，已知目标质心真值，簇碎点到其最近目标质心的平均距离（最小）。
• 多目标下，上述指标求平均，大簇权重高，小簇权重低，求得整个场景下的平均空间绝对密度、平均相对紧凑度，平均最近邻真值偏差。

中间结果

对于仿真的单个飞机目标，该目标质心的[距离, 目标中心与雷达角度, 航向速度, 航向角]=[60, 10, -4, 225]
使用dbscan聚类结果，求点云质心，将质心点绘制成红色五角星

对于仿真的多个飞机目标的聚类效果，airplanes_config = [ % [距离, 目标中心与雷达角度, 航向速度, 航向角]
60, 10, -4, 225; % 飞机 1: 中距离，迎面快速斜切
100, -20, -4, 110; % 飞机 2: 远距离，左侧斜穿
40, 35, 3, 75; % 飞机 3: 近距离，大角度脱离
];