详情

原文传递面向无人艇多传感器融合的目标感知技术

论文题名：	面向无人艇多传感器融合的目标感知技术
关键词：	无人艇;目标感知;轨迹预测;多传感器融合
摘要：	近年来，随着无人艇技术的快速发展，无人艇的功能日益丰富，例如可以完成水文数据信息采集，运送货物，海防巡逻和侦察监视等任务，但是这些功能的实现离不开多传感器的协作配合。例如完成监视水面目标任务，需要利用惯导获取本艇在全球坐标系下的位置信息，还需要利用导航雷达或激光雷达传感器获取水面目标的相对无人艇的位置信息。借助上述两种信息就可以获取水面目标的全球坐标系下的位置信息完成监视任务。目前几乎所有的无人艇都搭载多个传感器，因此在面向无人艇多传感器融合的目标感知技术在无人艇技术领域是一个研究热点，具有很强的工程性研究价值。　　本文研究的面向无人艇多传感器融合的目标感知技术主要涉及到水面目标的检测跟踪、识别分类和信息融合等技术，该技术可以分为三个模块，分别是检测跟踪模块，识别分类模块和融合模块。检测跟踪模块负责检测水面目标并跟踪，获取水面目标的位置信息，识别分类模块利用水面目标的位置信息对水面目标进行识别分类，融合模块主要负责将目标的检测跟踪信息与识别分类信息融合起来，并转发给控制中心。本文主要涉及到的关键技术主要是包括水面目标检测与跟踪，目标的识别分类和目标轨迹预测这三个部分，主要研究内容如下：　　针对水面目标检测与跟踪，本文提出了基于双阶段DBSCAN聚类的目标检测跟踪算法，它主要是包括了检测与跟踪两个阶段，在检测阶段，提出了双阶段DBSCAN聚类，首先聚类大目标，将其过滤删除，然后聚类待检测跟踪的小目标，每个阶段根据聚类目标的大小进行设定聚类参数大小。在跟踪阶段，主要是利用匈牙利算法对目标进行匹配跟踪，匈牙利算法主要是利用连续两帧图像目标之间的距离来进行匹配达到跟踪的效果。该方法很好的解决了因为噪声，目标环境复杂等因素导致某一个大目标成像为几个小目标从而影响到后续的跟踪。能够适用于复杂的水面环境。　　针对目标的识别分类，本文提出了基于无锚框的Yolo V5s网络结构的目标识别分类算法。由于水面目标在图像中尺寸的大小相差很大和需要识别分类的水面目标可能会很多，因此采用Yolo V5s网络结构，它很好的解决多尺度和分类识别速度的问题。此外在保证准确率的前提下，对Yolo V5s网络结构进行优化，引入Anchor Free,不仅缩小了分类模型大小，而且提高了分类识别速度。可以让分类模型灵活地部署到识别分类模块而不用担心内存和分类速度的限制。　　针对目标轨迹预测，本文采用卡尔曼滤波与速度信息相结合的方法进行轨迹预测。如果仅仅利用卡尔曼滤波，就会导致在预测的前段就会产生较大预测误差，如果只利用速度信息，因为目标速度方向变化较大产生较大预测误差。因此将两者结合起来进行轨迹预测，具有良好的轨迹预测效果。
作者：	吴畅
专业：	控制工程
导师：	马杰
授予学位：	硕士
授予学位单位：	华中科技大学
学位年度：	2021