原文传递
面向智能船舶的水面目标跟踪与轨迹预测方法研究
| 论文题名： | 面向智能船舶的水面目标跟踪与轨迹预测方法研究 |
| 关键词： | 智能船舶;水面目标跟踪;轨迹预测;航行安全 |
| 摘要： | 随着计算机、通信、人工智能等技术的快速发展，船舶智能化、无人化已成为水上运输领域发展的必然趋势，智能船舶技术已成为当前国际海事关注和研发的新热点。智能感知技术作为智能船舶关键技术之一，是实现智能航行的前提和基础。智能感知主要包括对障碍物的检测跟踪以及轨迹预测等，前者主要是对传感器观测的信息进行处理，得到目标的状态信息，后者则是通过目标的历史状态信息预测其未来的轨迹。两者作为智能感知的关键部分，对智能船舶实现自主航行这一目标至关重要。本文的研究工作主要是针对船舶在智能航行中的目标跟踪和轨迹预测这两方面开展： （1）针对单目标的跟踪，设计了基于响应置信度的ECO目标跟踪方法。基于ECO算法，通过分析目标响应图的分布情况和峰值状态，设计了评价跟踪结果的响应置信度指标，并根据置信度指标自适应调整模板学习率和搜索区域的大小。实验表明，该方法可以有效应用于单船舶目标的跟踪，且速度能够保持在45帧/秒以上。在目标被完全遮挡一段时间后仍能重新跟踪到目标，相比原算法在目标模糊和背景干扰的情况下有着更高的跟踪精度，跟踪成功率提升约10%。 （2）针对多目标的跟踪，设计了基于TBD框架的多目标跟踪方法。首先利用训练好的Yolov5算法检测周围船舶目标，然后通过改进的DeepSort算法将检测结果与跟踪轨迹进行匹配，从而完成多船目标的实时跟踪。通过生成船舶重识别数据集来训练DeepSort算法中的特征提取网络，并改进了表观匹配中特征向量集的更新方式，使得空间有限的集合能够存储更多种表观特征。实验表明，改进后的算法能够显著提升跟踪性能，其中轨迹切换的次数降低11%，轨迹被打断次数降低5.8%，且不会明显增加计算时间。 （3）针对目标轨迹的预测，设计了一种基于LSTM网络的轨迹预测方法，利用船舶历史状态预测未来时刻的轨迹。在复杂的情况下，考虑到不同船舶运动轨迹之间会存在相互影响，将邻近船舶的隐层信息引入到原来的预测模型中，并根据船舶避碰规则生成多船会遇的轨迹集用于预测模型的训练。仿真对比实验验证了基于LSTM网络的模型能够在简单场景下预测出船舶未来的轨迹，同时在船舶轨迹相互影响的情况下仍能取得较好的预测效果。 |
| 作者： | 卜瑞波 |
| 专业： | 船舶与海洋工程 |
| 导师： | 徐海祥 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
