基于嵌入式系统的虚拟存储示波器设计与实现

嵌入式系统的发展和普及应用使得在嵌入式系统平台下设计虚拟仪器成为构建仪器系统的新思路。本文提出了使用AD7864与ARM S3C2410构成数据采集系统的方案,设计了AD7864与S3C2410的接口电路;并在此硬件基础上开发了虚拟存储示波器,实现了示波器的功能。     

导助航信息的三维可视化系统研究

导助航信息的三维可视化为船员提供清晰、直观的画面,方便船员准确地判断和掌握船舶所处的空间位置、水文环境、行进方向等重要信息。分析了整个三维可视化系统的体系结构;对导助航信息三维可视化的关键技术进行了研究,通过斜墨卡托投影实现地理坐标系到世界坐标系的坐标转换;提出一种方法计算航标位置、偏转角度用以指示锚地位置、船舶停靠方式;通过几何对象可视化进行导助航信息的动态展示。实验结果表明,该系统能够很好地解决船舶雾天通航因能见度低所造成的滞航问题,引导船舶航行和定位。     

动态船舶行驶场景下的实时单目测距算法研究

为了利用单目视觉实时监测船舶行驶过程中与周围船舶之间的距离,首先分析单目视觉测距现状及其成功应用实例,基于小孔成像原理建立单目相机模型,通过几何推导,得到世界坐标系、相机坐标系、图像坐标系及像素坐标系之间三层坐标转换关系.随后通过实验验证pitch俯仰角与yaw水平角对单目视觉测距的影响程度,从而分析出动态船舶行驶场景...     

改进YOLOv8的水面小目标检测算法

针对水面目标检测中的噪声干扰和小目标的漏检问题,提出一种改进YOLOv8的水面小目标检测算法YOLOv8-WSSOD (YOLOv8-water surface small object detection).首先,为降低水面复杂环境在主干网络下采样过程中产生的噪声干扰,提出基于BiFormer双层路由注意力机制构建的C2fBF (C2f-BiFormer)模块,在特征提取过程中保留细粒度的上下文特征信息;其次,针对水面小目标的漏检问题,新增一个更小的检测头,提升网络对小目标的感知力,并在Neck端引入GSConv和Slim-neck,减轻模型复杂度并保持精度;最后,使用MPDIoU损失函数解决CIoU损失函数的局限性,以提高模型检测准确率.实验结果表明,相较于原始YOLOv8算法,该算法在水面小目标上平均准确率mAP@0.5提升了4.6%, mAP@0.5:0.95提升了2.2%,并且改进后的算法检测速度达到86f/s,能有效实现对水面小目标快速、准确的检测.     

融合残差注意力和标准偏差的6D姿态细化网络

在6D物体姿态估计领域中, 现有算法往往难以实现对目标物体精准且鲁棒的姿态估计. 为解决该问题, 提出了一种结合残差注意力、混合空洞卷积和标准差信息的物体6D姿态细化网络. 首先, 在Gen6D图片特征提取网络中, 采用混合空洞卷积模块替换传统卷积模块, 以此扩大感受野、加强全局特征捕获能力. 接着, 在3D卷积神经网络中, 加入残差注意力模块, 这有助于区分特征通道的重要程度, 进而在提取关键特征的同时, 减少浅层特征的丢失. 最后, 在平均距离损失函数中, 引入了标准差信息, 从而使模型能够区分物体的更多姿态信息. 实验结果显示, 所提出的网络在LINEMOD数据集和GenMOP数据集上的ADD指标分别达到了68.79%和56.03%. 与Gen6D网络相比, ADD指标分别提升了1.78个百分点和5.64个百分点, 这一结果验证了所提出的网络能够显著提升6D姿态估计的准确性.     

物联网在内河流域船舶管理技术方面的应用

介绍了物联网的架构及关键技术和射频识别技术（RadioFrequencyIDentification,RFID）及其应用,特别是在内河流域船舶的管理中的应用前景。提出了基于z堙Bee技术及3G无线网络的建立结合RFID射频识别的内河流域船舶管理系统的解决方案。     

航海视景中降雨仿真

气象仿真是航海模拟器中的一项重要内容,降雨仿真作为气象仿真中的一部分,其仿真效果的好坏对最终的航海场景模拟具有直接影响.粒子系统是绘制大规模粒子场景的一种有效方法,为了在航海视景中实现降雨的仿真,并能够在航海模拟器中流畅地显示,用粒子系统分析雨粒子属性,建立其运动模型,通过对粒子生命周期的计算,合理地控制粒子的产生和消亡.实验结果表明,通过合理的方法和适度的运动简化,实现了帧频的提高及降雨场景流畅的展示.     

基于N-Unet视网膜血管分割

针对在现阶段视网膜血管分割过程中存在的分支断裂问题,提出一种非局部Unet的模型Non-local Unet(N-Unet)。N-Unet模型保留了编码器-解码器的对称结构,在编码器阶段引入非局部块,使模型在提取特征的过程中关注非局部信息,能更好地捕捉图像中非相邻像素之间的关系。该模型在公开的DRIVE数据集上进行评估,得到的准确性、敏感性、特异性、曲线下面积分别为0.952 3、0.802 1、0.974 3、0.894 9。实验结果表明,该方法在解决血管分割过程中的分支断裂问题表现良好,具有研究意义。     

基于S-Transformer的多模态船舶轨迹预测

船舶轨迹预测是实现船舶智能航行的前提与基础. 目前, 针对船舶轨迹预测的研究大多仅依赖于船舶自动识别系统(AIS)历史数据, 而未利用到船舶上其他传感器信息. 于是本文提出了一种多模态轨迹预测模型——S-Transformer. 在该网络中, 电子海图中的海水/陆地被分割作为辅助训练目标与真实舟山港AIS数据加以综合从而对模型进行训练, 并对船舶未来航行轨迹进行预测; 其中, 本文还引入segment recurrence来捕获AIS数据的长期依赖关系. 实验结果表明, S-Transformer在不同的船舶行驶情况中都有优秀的预测结果, 并优于相关预测任务的单模态基准模型.