互联网环境下船舶航向数据交互式智能控制方法

互联网环境下,对船舶航向数据的控制要求高,而传统方法调节速度慢、适应性差,导致最终的航向控制效果不理想,为此提出并设计了船舶航向数据交互式智能控制方法。使用线性特征反馈航向数据中的不确切控制对象,通过整合模糊参数,确定航向数据的控制规则,再融合交互式控制算法,简化计算步骤,完成船舶航向数据的交互式智能控制方法设计。仿真实验结果表明,交互式智能控制方法具有较快的调节速度和良好的适应性能,较传统方法的调节速率高21.5%,具备极高的有效性。     

一种基于孪生网络的高鲁棒性实时单目标船舶跟踪方法

视觉目标跟踪在各种海事应用中发挥着重要作用。然而,现有的跟踪方法大多属于生成模型,只关注对象的特征,忽略背景信息。因此,对目标的视觉显著性有更高的要求。本文将深度学习方法应用于船舶跟踪,提出使用孪生网络和区域推荐网络的海上船舶跟踪方法。为进一步提高跟踪性能,参照AlexNet网络对孪生网络的CNN模块进行修改,并提出一种基于历史轨迹的自适应搜索区域提取方法,以适应不同的运动场景。利用数据集对所提出的跟踪器进行评估。结果表明,在使用Intel Xeon CPU E5-2620,GTX TITAN的PC机上可以达到58%的平均精度和124.21 FPS。     

大数据背景下的舰船航行环境可视化研究

现有方法大多是针对近海领域,在200 n mile以外的海域存在着可视化图像逼真度差的问题,为此提出大数据背景下的舰船航行环境可视化方法研究。利用大数据中的最优插值算法处理舰船航行环境数据,以此为基础,利用LOD动态调度技术可视化环境要素点,通过空间坐标系可视化环境要素线,采用纹理映射技术可视化环境要素面,基于体绘制技术可视化航行环境体,通过环境要素点、线、面、体的展示实现了舰船航行环境的全面可视化。仿真实验结果显示,与现有代表方法相比较,本文方法可视化图像帧频低、帧速率高,表明本文方法可视化图像逼真度高,适合推广使用。     

基于VR技术的舰船航行环境快速重构研究

由于点云数据匹配数量不足,导致重构的三维图像与实际图像之间存在较大位置误差。针对上述问题,进行基于VR技术的舰船航行环境快速重构研究。研究以VR技术为依托,利用VR技术中的核心计算机完成4个步骤。首先对前端VR成像设备采集到的二维点云图像进行预处理,包括点云去噪和精简;然后进行摄像机标定,确定摄像机数学模型,从而得出三维空间中物体的几何信息;再以得到的几何信息为基础,进行点云特征点检测与点云匹配;最后利用VR技术中的VTK软件实现自动重构。结果表明,与2种传统重构方法相比,本方法应用后,点云匹配数量更多,重构的三维图像与实际图像之间的位置误差更小,证明了本方法的重构性能。