1.一种毫米波雷达点云滤波方法，其特征在于，包括：对连续多帧的铁路异物侵限目标点云成像数据集合的第一帧目标点云成像数据集合进行DBSCAN粗聚类，得到第一帧粗聚类结果；从所述第一帧粗聚类结果中，获得任意类目标对象的任意样本点的空间坐标信息，构造欧氏距离矩阵，并对所述欧氏距离矩阵进行矩阵数据处理，获得类别中心点；根据所述第一帧粗聚类结果内所有类目标，结合类别中心点，确定突变指数，并根据所述突变指数以及欧氏距离矩阵对所述第一帧粗聚类结果进行异常点去除；根据异常点去除后的第一帧粗聚类结果，定义所述第一帧粗聚类结果中每一类的最小邻域半径和最小邻域密度；筛选所述第一帧粗聚类结果中各类最小邻域半径的最大值和各类最小邻域密度的最小值作为下一帧点云数据DBSCAN粗聚类的邻域半径和邻域密度；基于所述下一帧点云数据DBSCAN粗聚类的邻域半径和邻域密度，对连续多帧的铁路异物侵限目标点云成像数据集合的下一帧目标点云成像数据集合进行DBSCAN粗聚类，得到下一帧粗聚类结果；将所述下一帧粗聚类结果作为所述第一帧目标点云成像数据集合，返回“从所述第一帧粗聚类结果中，获得任意类目标对象的任意样本点的空间坐标信息，构造欧氏距离矩阵，并对所述欧氏距离矩阵进行矩阵数据处理，获得类别中心点”，直至对连续多帧的铁路异物侵限目标点云成像数据集合每一帧均进行异常点去除，完成毫米波雷达目标点云滤波。
2.根据权利要求1所述的毫米波雷达点云滤波方法，其特征在于，对连续多帧的铁路异物侵限目标点云成像数据集合的第一帧目标点云成像数据集合进行DBSCAN粗聚类，得到第一帧粗聚类结果，具体包括：在预设的邻域半径以及邻域密度下，对所述第一帧目标点云成像数据集合进行DBSCAN聚类处理，得到第一帧粗聚类结果；所述第一帧粗聚类结果 为：其中， 到 为第一帧目标点云成像数据集合的DBSCAN粗聚类后的1到 类目标对象； 为数据样本点集； 为第 类目标对象的 i 个样本点的空间坐标信息， i =1,2,3...， ； 为第 k 类目标对象的样本点个数，k∈[1,K]； 为第 类目标对象的数据样本点的三个坐标轴坐标。
3.根据权利要求1所述的毫米波雷达点云滤波方法，其特征在于，对所述欧氏距离矩阵进行矩阵数据处理，获得类别中心点，具体包括：对全部的样本点关于所有样本点的欧式距离行向量进行取最大值操作后，对样本点的欧式距离矩阵中的每一个元素进行取最小值操作；按照取最小值操作后的样本点的欧式距离矩阵的行索引确定样本点，并将确定的样本点作为当前类样本数据的类别中心点。
4.根据权利要求3所述的毫米波雷达点云滤波方法，其特征在于，所述欧氏距离矩阵为：其中， 为样本点的欧式距离矩阵， 表示样本点 关于所有样本点的欧式距离行向量； 为第 类目标对象的 i 个样本点的空间坐标信息， i =1,2,3...， ；所述全部的样本点关于所有样本点的欧式距离行向量进行取最大值操作为：其中， 表示矩阵 中的每一个元素； 表示取最大值操作后的样本点的欧式距离矩阵； 为第 k 类目标对象的样本点个数； j 为矩阵的列；所述对样本点的欧式距离矩阵中的每一个元素进行取最小值操作为：其中， 表示取最小值操作后的样本点的欧式距离矩阵。
5.根据权利要求4所述的毫米波雷达点云滤波方法，其特征在于，根据所述第一帧粗聚类结果内所有类目标，结合类别中心点，确定突变指数，并根据所述突变指数以及欧氏距离矩阵对所述第一帧粗聚类结果进行异常点去除，具体包括：将欧式距离矩阵 的第 行向量按降序排列，得到按降序排列处理的从类别中心点 到第一帧粗聚类结果 内所有目标点的欧氏距离 ：其中， 代表欧式距离矩阵 中的第 行 列的数据， 表示 的行索引， =1,2,3...， ； 表示将数据按照降序排列；根据 中欧式距离从大到小的变化趋势确定突变点 ，并将突变点在 行向量中对应的索引定义为突变指数 ； 中的第一个 点之前的点对应于一类目标类别中心点 所在类的异常点，按照所有异常点的索引直接去除异常点。
6.根据权利要求4所述的毫米波雷达点云滤波方法，其特征在于，所述最小邻域半径为： ；所述最小邻域密度为： ；其中， 代表第一帧粗聚类结果 的第 类目标对象对应的最小邻域半径； 为邻域半径比例因子； 代表第一帧粗聚类结果 的第 类目标对象对应的最小邻域密度； 为邻域密度比例因子； 为突变指数。
7.根据权利要求6所述的毫米波雷达点云滤波方法，其特征在于，所述下一帧点云数据DBSCAN粗聚类的邻域半径为： ；所述下一帧点云数据DBSCAN粗聚类的邻域密度为： ；其中， 和 为下一帧点云数据DBSCAN粗聚类的邻域半径和邻域密度。
8.一种毫米波雷达点云滤波系统，其特征在于，包括：第一帧粗聚类模块，用于对连续多帧的铁路异物侵限目标点云成像数据集合的第一帧目标点云成像数据集合进行DBSCAN粗聚类，得到第一帧粗聚类结果；矩阵数据处理模块，用于从所述第一帧粗聚类结果中，获得任意类目标对象的任意样本点的空间坐标信息，构造欧氏距离矩阵，并对所述欧氏距离矩阵进行矩阵数据处理，获得类别中心点；第一帧异常点去除模块，用于根据所述第一帧粗聚类结果内所有类目标，结合类别中心点，确定突变指数，并根据所述突变指数以及欧氏距离矩阵对所述第一帧粗聚类结果进行异常点去除；第一帧定义模块，用于根据异常点去除后的第一帧粗聚类结果，定义所述第一帧粗聚类结果中每一类的最小邻域半径和最小邻域密度；第一帧筛选模块，用于筛选所述第一帧粗聚类结果中各类最小邻域半径的最大值和各类最小邻域密度的最小值作为下一帧点云数据DBSCAN粗聚类的邻域半径和邻域密度；下一帧粗聚类模块，用于基于所述下一帧点云数据DBSCAN粗聚类的邻域半径和邻域密度，对连续多帧的铁路异物侵限目标点云成像数据集合的下一帧目标点云成像数据集合进行DBSCAN粗聚类，得到下一帧粗聚类结果；点云滤波模块，用于将所述下一帧粗聚类结果作为所述第一帧目标点云成像数据集合，返回“从所述第一帧粗聚类结果中，获得任意类目标对象的任意样本点的空间坐标信息，构造欧氏距离矩阵，并对所述欧氏距离矩阵进行矩阵数据处理，获得类别中心点”，直至对连续多帧的铁路异物侵限目标点云成像数据集合每一帧均进行异常点去除，完成毫米波雷达目标点云滤波。
9.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-7中任一项所述的毫米波雷达点云滤波方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的毫米波雷达点云滤波方法。
