融合注意力和多尺度特征的典型水面小目标检测

为解决多场景复杂海况背景水面小目标检测存在的可利用特征少、纹理信息弱等问题,提升无人艇的环境感知能力,本文提出一种融合注意力和多尺度特征的典型水面小目标检测算法。首先,在网络的深层使用空洞空间金字塔池化模块融合目标的全局先验信息。其次,通过注意融合模块自适应地增强目标浅层空间位置和深层语义信息特征,提高网络的特征表示能力。最后,通过多尺度特征融合实现高性能的目标检测。本文构建了典型水面小目标数据集,并基于无人艇开展了真实海况下水面小目标检测的算法验证。实验结果表明,该算法在无人艇NVIDIA平台检测速率达到17 FPS,能准确识别水面小目标,mIoU比原始特征金字塔网络算法提升7.58%,平均检测精度提升11.41%,达到82.36%。     

面向无人艇环境感知的改进型 SSD 目标检测方法

为了提升无人艇对典型水面小目标感知能力,本文提出了基于多尺度卷积融合结构和空间注意力加强的改进型SSD目标检测算法。首先,对SSD浅层网络进行多尺度卷积融合,提升浅层网络的语义信息;其次,设计空间注意力结构对卷积特征层逐个增强,提升对弱纹理小目标特征保持性;最后,在VOC公开数据集和自构水面目标数据集上进行了测试,并基于无人艇开展了真实海域目标检测识别验证。实验结果表明,该算法在无人艇Nvidia平台的运行效率可达15 fps,能准确检测识别浮标、桥墩、渔船、快艇和货船等目标,在典型海面场景虚警率为5%时的小目标检测率相对原生SSD算法提升近20.2%,平均有效检测率达到79.3%。     

无人水面艇三维激光雷达目标实时识别系统

为解决无人水面艇动态环境目标动态感知问题,研究无人艇三维激光雷达目标实时识别系统。设计出无人艇三维激光雷达目标实时识别系统结构、硬件组成及数据通信协议。基于点云库(Point cloud library,PCL)、Qt和Visual Studio平台开发了无人艇三维激光雷达目标实时识别系统软件,实现了点云数据校正、实时处理、数据显示、状态输出、远程通信等功能。考虑到无人艇航行时周边环境障碍物三维激光点云分布特征,将三维激光点云投影至多属性二维栅格进行表示,利用八邻域算法实现了障碍物栅格的聚类,解决了点云数据处理、目标分割、点云图像远程交互等关键技术。最后,构建了室外水池环境下的无人艇三维激光雷达目标实时识别系统试验平台,测试结果表明该系统能够可靠、准确识别无人艇周围100 m范围内的障碍目标。     

毫米波雷达与视觉传感器信息融合的车辆跟踪

为提高车辆前向防碰撞预警系统对前方道路环境感知的准确性,提出一种毫米波雷达与视觉传感器信息融合的车辆跟踪方法。提出的剔除雷达干扰目标算法缩短了对干扰目标的处理时间;提出的对称检测算法可对雷达目标兴趣区域进行对称检测,减小雷达目标兴趣区域的横向位置误差;提出的KCF-KF组合滤波算法可提高跟踪车辆的精度。实车试验表明,该方法可有效跟踪车辆位置信息,像素坐标系下的X、Y坐标跟踪准确率分别超过97.34%与95.19%。     

无人艇的目标跟踪策略研究

无人艇对水面航行目标的跟踪,考虑实际出现的各种情况,根据无人艇在跟踪过程中与目标的相对位置关系和航速等,对应不同的无人艇控制策略。在进行船舶的控制过程中要考虑到航速和航向角不能突变,控制航速航向渐进变化。采用模糊控制进行航速控制,利用几何关系计算出航向,同时增大数据更新频率,增加算法使用次数,保证算法实现的效果最优。将航速航向的输出结果添加风、浪、流的干扰,添加干扰后计算得到无人艇的位置,最终经过仿真验证跟踪的效果。     

时变漂角下USV直线路径跟踪控制器设计与验证

为了解决"蓝信"号无人水面艇在真实海洋环境中的直线路径跟踪的精确控制问题,在考虑到实际航行中存在时变漂角的情况下,设计并验证了一种基于LOS制导算法的无人水面艇直线路径跟踪控制方法。以"蓝信"号无人水面艇的操纵运动模型及辨识的参数为基础,将LOS制导算法与模糊自适应PID航向跟踪控制相结合,设计了一种考虑时变漂角的无人水面艇直线路径跟踪控制器,仿真结果验证了该方法的可行性。最后,通过蓝信号无人水面艇在大连海事大学凌水校区外部海域的实船实验,验证了该方法应用在实际工程中的正确性和有效性,降低了真实海洋环境下实际航迹跟踪过程中时变漂角对航迹跟踪控制精度的影响。     

基于传感器数据融合的车辆目标匹配

利用毫米波雷达和相机数据融合检测前方障碍物的方法,可以为智能驾驶汽车提供准确可靠的感知信息。因而,基于多传感器数据融合的目标匹配的重要性逐渐凸显。为实现二者的目标匹配,首先构建了相机和毫米波雷达的时间融合模型和空间融合模型,实现二者数据的时间一致和空间对准,然后对毫米波雷达数据和图像数据进行处理,通过对毫米波雷达数据的预处理且引入有效目标决策算法,获取毫米波雷达的有效目标数据;利用基于深度学习的目标检测算法,实现对图像中车辆目标的检测。最后设计了二者的目标匹配算法,并通过实验验证了该方法的有效性。     

多尺度互交叉注意力改进的单无人机对地伪装目标检测定位方法

为了提升无人机对地伪装目标探测能力,本文提出了多尺度互交叉注意力改进的单机对地目标检测定位方法。 首先, 设计了一种多尺度互交叉注意力模块,在原始多尺度金字塔基础上,进行互交叉注意力增强,提升对伪装目标的边界区分能力; 其次,搭建了开源无人机目标检测定位系统,通过融合无人机载定位模块、惯导传感器和光电吊舱等数据,在获取目标图像位置 后对其空间位置进行解算;最后,自行构建了丛林伪装数据集进行了相关实验验证。 实验结果表明,该方法在典型伪装场景下 对地目标平均检测精度(mAP)为 70. 2% ,相较于改进前提升 5. 7% ,且能有效输出目标与无人机(UAV)的方位距离,算法平均 运行效率可达 29. 4 fps,满足 UAV 对地目标检测定位的实时性需求。     

搜索区域和目标尺度自适应的无人艇海面目标跟踪

海面目标跟踪任务是实现水面无人艇自主化航行、智能化作业的重要基础。相比于普通场景的目标跟踪,海面目标跟踪需要面对目标抖动剧烈及目标尺度变化大等问题。针对海面目标在图像画面中抖动剧烈的问题,本文提出了搜索区域自适应算法,该方法通过对海面场景的分割完成了海天线位置的提取,然后通过海天线运动模型自适应地确定了每帧图像中目标搜索的区域;针对跟踪过程中海面目标尺度变化较大的问题,本文通过分割搜索区域的方法实现了目标尺度变化的自适应跟踪。基于相关滤波跟踪框架并结合上述两种改进策略,在真实的海面目标图像测试序列中,本文算法相比传统的相关滤波算法在跟踪精度上至少提升了26%,有效地解决了目标抖动剧烈和尺度自适应问题,提高了海面目标跟踪任务的精度。     

基于改进Q学习算法的无人水面艇动态环境路径规划

无人水面艇在动态环境下的路径规划是无人船导航的难点。在传统的Q学习算法的基础上,采用了一种新的搜索策略,该策略结合了贪婪搜索与玻尔兹曼搜索,平衡了搜索的随机性和目的性,减少了搜索陷入局部最优的可能性,同时提出了一种新的奖惩函数,综合了无人水面艇航行时导航和避障两种行为,更加符合无人水面艇实际航行环境。整个方法贴近实际情况,成功实现了水面无人艇的动态环境下路径规划。仿真模拟结果和实船航行都验证了所提出方法的有效性。     

红外弱小目标的分割预检测

提出了一种目标分割预检测方法来提高检测红外弱小目标的准确性和实时性。针对红外图像的特点,利用改进的自适应背景感知算法抑制目标图像的背景以提高目标检测概率;根据已有的先验知识构造属性集,把灰度直方图限定在感兴趣区域,减少背景的影响;然后,利用属性直方图的最大熵进行图像分割以检测目标。为了提高分割算法运算速度,应用了快速递推算法。实验结果表明,本文提出的背景抑制算法能更好地抑制背景,提高图像的整体信噪比;分割算法具有更好的分割检测效果,候选目标点分割准确、虚警目标点较少,运算速度提高了91%。对分割图像进行后续处理,剔除了大部分虚警目标点,为后续目标准确检测提供了有力保障。     

受人观测启发的UUV前视声纳滤波方法

UUV依据前视声纳探测信息进行在线滚动路径规划。针对浅水环境下声纳探测信息受物理及声场环境干扰杂波较多的问题,提出了一种受人观测启发的前视声纳滤波方法。首先,建立了声纳视域模型,然后采用小波阈值法进行声纳信息的初步去噪;其次,引入仿人观测的真伪目标判别策略,提出了基于时间滑窗的探测目标模糊关联与真伪判别算法。湖试结果表明:该算法能够滤除浅水环境下声纳探测信息的杂波,可提供可信环境信息,并引导UUV避开岛屿、浮箱等典型障碍目标。     

基于改进遗传算法的雷达天线曲面拟合参数辨识

采用遗传算法参数辨识的途径求解雷达曲面方程拟合的坐标平移、旋转以及曲面标准方程的参数。由于经典的简单遗传算法存在一定的缺陷,对其进行了一定的改进,并且用MATLAB语言实现之。在一个工程实例中分别采用改进遗传算法和简单遗传算法进行了多次运算,并且对结果进行了比较。应用和比较结果表明,遗传算法能够很好地应用于雷达天线等曲面拟合,并且该改进算法更具优巍。由此可知该研究具有一定的实用价值。     

利用自适应卡尔曼滤波实现光电跟踪中的复合控制

为了在光电跟踪控制系统中实现复合控制以提高跟踪精度,构建了基于模型自适应卡尔曼滤波算法的复合控制结构。首先,利用跟踪脱靶量数据和仪器位置数据合成目标角位置数据;然后,利用模型自适应卡尔曼滤波算法对目标角位置数据进行滤波估计以获得目标角速度信息;最后,将目标角速度信息前馈到速度回路,从而构成复合控制系统。实验结果表明:采用复合控制结构后,目标跟踪精度提高了50%。基于模型自适应卡尔曼滤波算法的复合控制技术能够在保持原反馈控制系统稳定性的条件下提高跟踪精度。     

一种抑制杂波的高精度车载雷达目标检测方法

针对 FMCW 毫米波车载雷达目标检测过程中易受杂波影响的问题,提出一种可有效抑制杂波的检测方法。 首先运用 压扩算法对三帧差法进行改进,使其能够较好分离回波中的杂波和目标信号;然后引入 CFAR 算法滤除回波中的杂波,并运用 密度峰值聚类算法寻找目标簇;再将目标簇中目标点的功率值转换成对应的权重,实现对经典重心法的改进,从而有效提升目 标定位的准确性。 实验结果表明,在停车场、直线路段、城市街道和校园路等 4 种场景中,该方法的检测准确度分别达到 96. 5% 、95. 9% 、95. 6% 以及 94. 4% 。 同时,在检测速度方面,单帧雷达回波信号的处理周期可达到 0. 3 s 左右,可以满足实际应 用的需求。