面向无人艇的障碍物与船只目标检测方法研究
文献类型:学位论文
作者 | 马莹 |
答辩日期 | 2021-05-21 |
授予单位 | 中国科学院沈阳自动化研究所 |
授予地点 | 沈阳 |
导师 | 惠斌 |
关键词 | 障碍物检测 船只目标检测 概率图模型 视觉显著性 YOLO |
学位名称 | 硕士 |
学位专业 | 模式识别与智能系统 |
其他题名 | Research on Detection Method of Obstacle and Ship Target for Unmanned Surface Vehicle |
英文摘要 | 水面无人艇是一种具备自主航行能力的水面无人智能平台,在军事侦察、海洋巡逻、海面搜救、资源勘探等领域有着广泛的应用需求。海面环境感知技术是无人艇的核心技术之一,是无人艇确保安全航行以及执行作业任务的关键。随着光学成像、计算机视觉及人工智能技术的发展,利用可见光彩色传感器进行障碍物与船只目标检测逐渐成为无人艇提升自主感知能力的一种重要手段,受到世界各国的广泛关注。在海面场景中既存在无规则变化的浪花、大量的海杂波、云、飞鸟与岛岸建筑等背景干扰,又有光照、天气变化等环境干扰,加之待检测障碍物以及待检测船只目标的形态、尺寸变化多样,这就使得基于可见光图像的障碍物检测与船只目标检测任务充满挑战,一直以来都未得到很好地解决。本文以无人艇光电载荷在自主避碰与感知方面的应用为背景,对海面障碍物与船只目标检测方法展开研究,具体研究内容及主要贡献如下:(1)提出了一种基于概率图模型的海面场景分割方法。针对SSM模型仅用颜色与位置特征对前景、背景区分性差,以及使用预训练的语义结构先验信息对场景语义结构变化适应性差的问题,本文在模型中添加了具有更强区分性的局部方差特征,采用均匀分布来表示海界限区域,利用初始帧图像初始化模型参数,以提高海面场景分割的准确性与适应性。综合各组实验结果来看,本文算法有效抑制了云、飞鸟、海杂波的干扰,在不同的天气、光照及场景结构条件下,均可快速、准确地分割出图像中的海界限区域与海面孤立障碍物目标。(2)提出了一种基于梯度和显著性特征融合的海界限障碍物检测方法。根据海界限区域子图像特点,设计了一种基于方向抑制的梯度特征提取方法生成潜在目标权重图,利用概率图模型的背景信息对频率调谐显著图进行改进,通过梯度与显著性特征的融合,提取海界限区域内的障碍物。实验结果表明,该方法具有较强的鲁棒性和实时性,可满足无人艇避碰应用需求。(3)提出了一种基于注意力增强与检测尺度优化YOLO模型的船只目标检测方法。针对YOLOv5模型在船只目标存在遮挡或尺寸较小时检测性能不佳的问题,本文通过引入注意力机制与多尺度检测策略对模型进行改进。该方法在YOLOv5的骨干网络中嵌入注意力机制模块,对通道特征的重要程度进行自动学习,以增强网络特征提取能力;在头部检测网络中添加基于4倍下采样特征图的目标检测模块,以提高网络对小目标的检测能力。实验结果表明,改进后的算法在船只检测精度方面有所提升,且实时性未受明显影响。 |
语种 | 中文 |
产权排序 | 1 |
页码 | 71页 |
源URL | [http://ir.sia.cn/handle/173321/28948] |
专题 | 沈阳自动化研究所_光电信息技术研究室 |
作者单位 | 中国科学院沈阳自动化研究所 |
推荐引用方式 GB/T 7714 | 马莹. 面向无人艇的障碍物与船只目标检测方法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2021. |
入库方式: OAI收割
来源:沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。