排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
海面波浪、船只与光照等因素的影响,使得可见光海面图像中的海天线难以被准确检测。为提高海天线检测的准确性与鲁棒性,提出了基于局部Otsu分割与Hough变换的海天线检测方法。首先,通过纵向中值滤波快速地抑制灰度图像中的光斑等高频噪声。然后,根据图像特点进行纵向分块处理来补偿光照的不均匀性并将船只的干扰范围限定在部分图像块中,再进行局部Otsu分割得到二值图像并提取其中的边缘像素,抑制了波浪边缘的干扰。最后,采用Hough变换拟合边缘像素以得到海天线。实验结果表明所提方法具有较高的准确性、鲁棒性与实时性,其检测准确率达93.0%,显著高于三种代表性的海天线检测方法。 相似文献
3.
4.
5.
6.
基于三维激光雷达的无人船障碍物自适应栅格表达方法 总被引:2,自引:0,他引:2
针对无人船(USV)海上近距离实时性避碰检测的需求,提出一种基于三维激光雷达的USV障碍物自适应栅格表达方法。根据USV周边环境障碍物的激光雷达点云分布,建立障碍物密集度和障碍物表达时间与栅格地图分辨率之间的函数关系,自适应确定适中的地图分辨率,构建栅格地图;对三维激光雷达点云数据进行降维处理,将三维激光雷达点云投影到栅格地图,减小数据量,提高障碍物检测效率。利用三维激光雷达开展方法验证性实验,获取了三种不同障碍物场景的激光雷达点云数据。处理结果显示:环境中障碍物数量越多,获得的期望栅格地图分辨率越高,障碍物表达更精细;反之,障碍物数量越少,获得的期望栅格地图分辨率越低,障碍物表达更快速,可实现障碍物自适应栅格表达。所建立的方法可为后续USV局部避碰路径规划研究提供支撑。 相似文献
7.
单神经元自适应PID在水下拖曳控制系统中的应用 总被引:1,自引:0,他引:1
基于多参数拖曳式剖面测量系统的物理参数,从运动物体六自由度方程出发建立了深度控制模型。利用单神经元自适应PID,对拖体深度控制进行了仿真,并与常规PID控制方法进行了对比。结果表明:在3种不同的拖曳速度下,两种方法的响应时间随输入深度的变化曲线都存在一个阈值深度。大于阈值深度时,单神经元自适应PID比常规PID响应快得多,即对于大深度输入,前者的响应时间能够满足控制要求,而后者明显过长。说明单神经元自适应PID控制方法对于大深度输入响应快,不同拖曳速度下深度控制自适应性好。 相似文献
1