现代重工打造首艘“无人”散货船

2020年4月9日,现代重工集团宣布,与韩国科学技术院(KAIST)共同开发的“现代智能导航辅助系统”(HiNAS)成功安装在韩国航运公司SK Shipping的1艘25万载重吨散货船上。这种先进的导航辅助系统采用了人工智能(AI)技术,可以通过分析船上摄像头的视频图像来确定与附近船舶相撞的风险,并通过增强现实技术(AR)发出通知。红外摄像头即使在夜间或在浓雾中也能够定位障碍物并测量其移动速度。     

三维图像技术在船舶结构设计的应用

针对船舶设计结构影响二氧化碳流通性能的问题,以增加船舶二氧化碳流通量为目的,提出三维图像技术在船舶结构设计的应用。通过计算船舶支柱的灵敏度,寻找到船舶支柱布局优化的最优解,优化船体支柱布局,完成船舶结构布局优化的数学模型建立;采用两栖三体的船结构,设计错杂的剖面车架构件,实现船舶结构设计。实验结果证明,基于三维图像技术的船舶结构设计方法与基于知识工程的船舶结构设计方法相比,船舶二氧化碳的流通量大大提升。     

水下机器人揭示南极洲末日冰川的隐藏基础

据报道,在一次史无前例的南极冰川科学活动中,研究人员利用一个巨大的水下机器人首次造访了南极洲的白冰川底部并拍摄到海底冰川底部的图像。众所周知,南极冰川因其对海平面的影响而受人关注。该地区是思韦茨冰川可能变得更危险的关键,在未来几个月,研究小组希望让世界更清楚地了解它的状况。     

数据挖掘在无人船舶目标图像识别中的应用

为了缩短无人船舶目标图像的识别时间,提高目标图像的质量,提出了数据挖掘在无人船舶目标图像识别中的应用。利用数据挖掘技术确定无人船舶目标图像的阈值,根据目标图像的阈值误差分割了目标图像,采用图像边缘点提取公式将图像边缘点连接成线,提取出目标图像的外轮廓,完成无人船舶目标图像的预处理;通过目标图像识别算法的改进设计,得到了目标图像的识别流程,实现了数据挖掘在无人船舶目标图像的识别中的应用研究。仿真实验结果表明,数据挖掘在无人船舶目标图像识别方法与基于航拍技术的目标图像识别方法相比,目标图像的识别时间缩短了35.1%。     

基于OpenGL的虚拟海场景生成技术研究

论文以Visual C++为开发平台,利用OpenGL构建海洋场景,通过调用建立的舰船3D模型、纹理映射、场景的合成、双缓存等技术,实现反舰导弹可见光目标图像的生成,为靶场导引头对海性能测试提供了一个很好的辅助手段,有助于提高靶场试验鉴定技术水平.     

基于改进GAN的端到端自动驾驶图像生成方法

基于端到端数据系统的自动驾驶系统对驾驶图像存在巨大需求。为解决一般生成式对抗网络模型在扩充驾驶图像数据集时不稳定及生成图像特征缺乏多样性的问题,研究1种改进网络模型LS-InfoGAN。结合最小二乘对抗损失防止模型梯度消失,并缓解生成器优化矛盾,提升模型训练稳定性。通过最大化生成图像与真实图像间的互信息提升生成器特征学习能力,改善生成图像特征多样性。利用转置卷积层还原图像特征,提升生成图像特征清晰度。以自主构建的模拟驾驶场景中获取的带标签驾驶图像集对模型有效性及其数据集扩充应用效果进行验证。实验分析表明：相比改进前模型,LS-InfoGAN模型的图像生成过程稳定性平均提升35%;使用此模型扩充的数据集进行端到端自动驾驶系统中决策网络的训练能在不采集新图像的情况下将系统决策性能提升1%~2%;建议使用此模型扩充图像数据集时将生成图像数量设置为原始训练集图像数量的1~2倍。