图像处理技术在船舶航行障碍物识别中的应用

为了提高船舶航行避障能力,提出基于图像分块特征匹配和视觉跟踪识别的船舶航行障碍物识别技术。采用点跟踪匹配和动态帧点检测的方法进行船舶航行障碍物识别的红外图像信息采集,对采集的船舶航行障碍物红外视觉图像进行区域组合检测和融合处理,提取图像的差异性和突变性特征点,根据特征点的分布情况采用视觉跟踪识别方法实现对船舶航行障碍物识别。测试表明,该方法对船舶航行障碍物识别的动态跟踪能力较好,识别可靠性和精度较高。     

多准则粒子滤波下的无人艇航行轨迹虚拟重构

通过对无人艇航行轨迹虚拟重构,提高对无人艇的目标跟踪调度能力,提出基于多准则粒子滤波下的无人艇航行轨迹虚拟重构方法。采用融合双模态特征检测方法实现对无人艇航行轨迹的图像检测,结合视觉分割和分块特征匹配实现对无人艇航行轨迹重构过程中的显著性检测,采用多准则粒子滤波方法进行寻优迭代,根据深度学习和粒子滤波增强结果,实现无人艇航行轨迹虚拟重构和模态跟踪识别。测试表明,采用该方法进行无人艇航行轨迹虚拟重构的视觉增强能力较好,期望值和实际值拟合性能较好。     

一种用于无人船海面障碍物测距的双目视觉系统

双目视觉具有近距离测距精度高、获取的图像内容丰富等优点,是目前无人船自主避障领域的研究热点,立体匹配是双目视觉测距的技术关键。然而,无人船体的不规则晃动,增大了双目图像间海面障碍物的尺度、亮度差异,易造成匹配歧义。为提高立体匹配的准确性,本文提出一种改进的AKAZE特征匹配方法。通过提取、匹配非线性尺度空间中障碍物的轮廓角点,从而可准确测得海面障碍物的位置信息。利用本文所提方法研发出一种具有防水、防盐等性能的适用于无人船海上工作环境的宽基线双目视觉系统SV-100。测试实验结果表明,该系统在100 m内的测距误差小于6 m。     

无人船目标探测与跟踪系统

基于GNC架构完整构建了无人船目标探测和跟踪系统,并在案例三体船上完成了试验航行验证,在功能上实现了自主探测周围环境中的障碍物并对具有一定特征的动态目标进行跟踪航行。系统达成了如下目标：使用激光雷达探测周围环境的障碍物,运用有限的计算资源处理点云数据并保证实时性;通过特征提取、数据关联和运动状态估计,能够持续锁定目标;基于纯跟踪法实现了对目标船的跟踪航行。此项研究对实船应用具有较强的借鉴意义。     

复杂背景下无人艇视频视觉目标图像识别算法

为精准跟踪海域环境中的各类舰船目标,生成连续性的视觉目标图像视频,提出复杂背景下的无人艇视频视觉目标图像识别算法。利用增强滤波处理无人艇图像中的数据信息,再通过特殊信息标记的方式,完成无人艇视频的图像数据集设计。在此基础上,改进原识别提取网络,借助边界框预测实值,完成待识别目标图像的特征提取,实现复杂背景下无人艇视频视觉目标图像识别算法的顺利应用。对比实验结果表明,与KCF目标跟踪算法相比,应用新型目标图像识别算法后,YOI船体识别参数增大至8.56,实现了对海域环境中各类舰船目标的精准跟踪,大幅促进了连续性视觉目标图像视频的生成。     

基于模糊改进人工势场法的无人船路径规划研究

自主、高效巡航是对无人船提出的基本要求,为满足这一要求,需要为无人船配备路径规划系统.通过该系统,能够在无人船遇到障碍物时重新规划路径,使无人船避开障碍物,顺利到达目的地,完成任务.人工势场法是路径规划常用的一种方法,实际应用中发现该方法存在不足,为满足无人船路径规划需要,对人工势场法进行模糊改进.     

Obstacle avoidance of unmanned ship swarm based on virtual navigator and improved Hooke's law北大核心CSCD

[目的]针对无人船集群规避障碍物的问题,提出一种基于虚拟领航者和改进胡克定律的弹性集群编队控制方法。[方法]首先,根据障碍物的长和宽得到其外接椭圆,按照长宽比向外扩展出虚拟碰障区、避障反应区、自由航行区,实现水面避障物模型的简化;其次,基于虚拟领航者和改进胡克定律,对编队各成员之间、各成员虚拟领航者之间的相对距离和速度予以约束,采用坐标形式设置编队队形,构建弹性编队模型,并基于障碍物的环形斥力场来实现单无人船的避障,以及在弹性集群编队的组织下实现无人船集群的避障;然后,通过优化处理无人船的航行过程,消除编队及避障过程中的“徘徊”和“振荡”等现象,使各无人船的运动更加平滑;最后,运用Matlab软件对由4艘无人船组成的集群编队进行仿真实验。[结果]实验结果表明,编队可成功绕过设置的所有障碍物,验证了所提方法的有效性和可行性。[结论]该方法可实现无人船集群对水面障碍物的规避,具备在一定复杂环境下的通过能力,可为无人船集群避障的应用及研究提供参考。     

动态人工势场法的无人船避障路径规划

为了保证无人船安全行驶,设计动态人工势场法的无人船避障路径规划方法。该方法的全局路径规划部分依据航行环境信息构建栅格地图后,采用A^*算法规划无人船的全局路径,并获取无人船的全局路径节点;局部避障路径规划部分将该路径节点作为局部路径的开始节点,利用动态人工势场法规划无人船避障路径。为保证路径规划效果,采用长短记忆循环神经网络和强化学习算法相结合的方式改进动态人工势场法,确保在障碍物运动速度较快时,依旧能够可靠完成无人船避障路径规划。测试结果显示：该方法可完成无人船全局最优路径规划,并有效完成局部避障路径规划,无人船和障碍物的会遇距离和会遇时间分别大于4.26 m和大于15 s,碰撞危险度极低,满足应用标准。     

无人艇光视觉感知研究发展综述

无人艇具有机动灵活、隐蔽性好、活动区域广、使用成本低等优点,因而具有广阔的应用前景。这使得无人艇成为国内外的研究热点,其中感知技术是无人艇执行任务的基础。基于光视觉的感知技术具有应用方便,成本相对较低,数据获取容易及信息量大等优点,得到了国内外学者的广泛研究。本文主要从五个方面探讨光视觉在无人艇中的研究:一是基于水面无人艇的水面图像预处理,主要包括水面图像稳像研究及去雾增强研究;二水界线的检测;三是利用光视觉目标检测;四是水面目标跟踪方法。最后,对无人艇的光视觉研究进行了总结及展望。     

基于深度学习的无人船移动路径自动规划方法

无人船移动路径规划延时较长,容易出现多船碰撞危险,为此提出基于深度学习的无人船移动路径自动规划方法研究。选取深度学习中的U-net模型构建无人船环境,以此为基础,建立无人船移动路径自动规划模型,描述无人船移动路径自动规划问题,结合风险约束条件求解模型,即可获得最佳的无人船移动路径规划结果,从而实现无人船移动路径的自动规划。实验结果显示,无人船碰撞危险度参数较小,表明无人船碰撞危险度较低,充分证实了提出方法的可行性。     

基于混合蚁群算法的无人船航行路径自主规划

路径规划是无人船自主导航的核心问题。由于无人船当前位置以及目标位置的确定受到障碍物影响,最佳航行路径的获取难度较大。为此,提出基于混合蚁群算法的无人船航行路径自主规划方法。采用栅格法构建无人船工作环境模型,由上至下、由左至右的对栅格完成编号处理,划分安全区域与障碍物区域。构建无人船航行路径自主规划数学模型,设定地形与威胁、航程上限以及路径平滑度等约束条件。针对蚁群算法初始搜索效率差等问题,将其与粒子群算法相结合,提出混合蚁群算法。利用该算法求解无人船航行路径自主规划数学模型。实验结果显示,研究方法具有较高的路径规划准确性,路径长度、平均能耗及路径规划时间指标均较优。     

基于YOLO-v2视觉神经网络在移动机器人平台ROS框架下的实现

目标检测主要是通过视觉算法对目标图像进行识别,而移动机器人可以利用目标检测算法完成对周围环境的感知。本文提出对传统YOLO-v2算法进行改进,并基于ROS框架实现移动机器人在办公室场景下对主要动态障碍物的检测和识别。     

应用粒子群优化算法改进无人船航行路径规划研究

在已开发的FR无人船的设计与实现背景基础上,针对其航线规划使用传统算法时易于困处局部最优、抗干扰适应性不够和控制精度不高等问题,应用粒子群优化算法来改进求解更优航迹。通过在粒子初始化时添加适应度函数加以修正改进,使路径种群在初始化有较高的有效性,从而增进算法的整体收敛速度和航迹跟踪精度。研究完成模型构建、算法优化、模拟仿真计算和试验验证。计算及试验结果显示,应用改进粒子群优化算法在复杂环境中,FR无人船能规避水面障碍物,逃离局部最小值点,准确到达设定点,收敛速度更快,满足及时响应的需要。     

深度学习在无人船通信网络信息资源优化调度中的应用

现有方法已经无法适应通信网络信息资源的暴增状态,为此提出深度学习在无人船通信网络信息资源优化调度中的应用研究。构建无人船通信网络模型,获取信息资源调度的能量方程,以此为基础,设置信息资源传输时延与电池能量约束条件,描述信息资源优化调度问题,基于深度学习优化调度算法,从而实现无人船通信网络信息资源的优化调度。测试结果显示,应用深度学习后,通信网络信息资源优化调度时延大幅度下降,说明深度学习在无人船通信网络信息资源优化调度中的应用有效性。     

多变光照下的无人船图像模糊纹理光点定位识别

采用当前方法对无人船图像进行识别时,没有对无人船图像进行预处理,导致识别效果差、识别效率低、识别率低。为此,提出多变光照下的无人船图像模糊纹理光点定位识别方法。首先,以Lambertian模型为基础,构建LTV模型,利用该模型对多变光照归一化,提高整体的识别效果;然后,通过K-L变换原理对无人船图像实行降维处理,在计算繁琐度降低的同时提高所提方法的识别率。最后,利用小波变换法对图像进行积分投影,提取图像中的无人船区域,并对提取后的无人船区域进行梯度增加,丰富局部特征,通过CS-LBP算子提取无人船图像的纹理特征,实现无人船图像模糊纹理光点定位识别。实验对比结果表明,所提方法的识别效果更好、识别效率更高。     

基于激光雷达的无人艇海上目标检测与跟踪方法研究

针对基于导航雷达和光电探测的传统感知方法难以对近距离障碍物进行稳定精确探测的问题,结合激光雷达的优势和水面场景的特点,提出了一种基于激光雷达的无人艇海上目标检测与跟踪方法。首先分析和建立了水面场景点云的平面栅格模型,提出了基于高度差的尾浪点滤除方法;其次采用改进的自适应DBSCAN算法对海上障碍物进行分割和聚类,优化了检测效果;最后结合多假设跟踪模型（MHT）和卡尔曼滤波器实现了对动态目标的多帧连续跟踪。试验结果表明,该方法能以每帧100 ms的处理速度实现对目标的实时探测和跟踪,对近距目标的聚类跟踪准确度达95%,航速、航向跟踪误差分别为8.10%和4.68%,能够实现对目标的实时、准确、稳定的检测和跟踪。     

无人船舶避碰障碍物智能自动识别方法

传统无人船舶避碰障碍物识别方法,受到方法中识别危险系数判定基数过小的影响,在避碰障碍物识别过程中,无法在有效安全距离下瞬态识别障碍物,造成避碰全局输出准确率与效率降低。为了解决无人船舶识别危险基数过小的问题,提出无人船舶避碰障碍物智能自动识别方法。首先采用智能危险判定算法,对船舶与障碍物之间的距离进行危险系数判定计算;然后根据判定危险系数数据,重构会遇状态模型。通过模型得到算法对障碍物的识别信息;最后通过神经遗传算法,对障碍物分布信息进行避碰数据的识别转换,从而实现优化识别运算场景,提升识别方法识别准确率与输出效率。通过在同一场景下不同识别方法的对比数据表明:提出的识别方法更适合无人船舶的避碰障碍物识别计算,能够有效将障碍物识别准确率控制在97.43%。同时,提升全局输出效率25%以上。     

基于深度学习的舰船前方障碍物图像快速识别

航运时代的到来,舰船行驶速度得到提升,航运货物量逐渐增加,舰船事故频发。依靠当前舰船前方障碍物图像快速识别方法完成障碍物识别的方法已经逐渐落后。针对目前的舰船发展方向,设计基于深度学习的舰船前方障碍物图像快速识别方法。使用Sobel算子完成障碍物图像边缘划分过程,初步确定障碍物边缘形状。选用深入学习中的人工神经网络技术作为核心技术,构建对应的图像识别网络,完成障碍物识别过程。至此,基于深度学习的舰船前方障碍物图像快速识别方法设计完成。构建实验环节,经实验结果表明,深度学习识别方法的图像识别效率较高,识别精度较为稳定,使用其完成障碍物识别效果优于当前方法。综合以上结果可知,深度学习识别方法具有科学性,可将其应用到日常生活中。     

基于视觉搜索的舰船跟踪方法研究与仿真

基于视觉图像处理方法实现对舰船目标的跟踪识别,提高对舰船目标的搜索和打击能力。传统方法采用舰船目标轮廓亮点检测方法实现对目标的视觉搜索,在图像模糊和背景干扰较强时,检测效果不好。本文提出一种基于相邻帧补偿和尺度不变特征变换的舰船视觉搜索跟踪算法。为提高舰船目标图像视觉特征采集的清晰度和稳定性,采用电子稳像技术对舰船视觉信息采集进行直方图均衡处理,采用尺度不变特征变换SIFT技术对舰船目标进行角点特征提取。采用相邻帧补偿技术进行背景干扰滤波,在相邻两帧之间求解舰船的运动参量,实现对舰船目标的视觉搜索和跟踪。仿真实验表明,采用该算法实现对舰船目标的视觉搜索跟踪,舰船视觉特征的稳像性能较好,对舰船目标的准确识别率较高,展示了较好的应用价值。     

基于滑模的欠驱动无人艇的包含控制问题研究

本文研究了具有多个动态领航船的欠驱动无人艇的包含控制问题。假设所有跟随船不知道领航船的控制输入,并且只有部分跟随船能够获得部分领航船的位置和速度。在此条件下,本文首先提出了一种基于虚拟领航船的包含控制方法。使用该方法可以将多无人艇的包含控制问题简化为虚拟领航船的包含控制问题和跟随船的目标跟踪问题。然后为虚拟领航船设计了相应的包含控制算法,并基于滑模控制理论为跟随船设计了目标跟踪算法。仿真结果验证了所提出的控制方法的有效性。