详情

原文传递基于视觉的空海协同无人船自主环境感知

论文题名：	基于视觉的空海协同无人船自主环境感知
关键词：	无人船;自主导航;环境感知;空海协同
摘要：	传感技术、人工智能技术和智能控制技术的不断发展，推动了无人船技术发展。无人船的智能化是无人船发展中一个重要的研究热点，而为无人船提供准确的周围环境信息是实现无人船智能化的前提条件。目前有多种传感器为无人船提供不同的感知信息，其中视觉传感器以其体积小和信息丰富的特点成为现代无人船环境感知的重要手段。但是受到无人船视觉传感器安装高度的限制，以及水面场景复杂多变的影响，如何解决视野受限情况下的无人船自主感知已成为当前无人船载视觉感知系统研究的热点问题。针对这一问题，本文以提高无人船的视觉感知能力和场景理解能力为目标，研究了无人机协同无人船的环境感知方法，探讨了无人船视觉语义分割网络在缺少训练数据情况下的小样本学习、无人船视觉语义分割网络在复杂多变水上环境的自适应学习、复杂水上场景的立体建模、无人船自主导航过程中的感知等问题，本文具体的创新工作包括：　　首先，针对无人船视觉语义分割网络训练学习过程中数据不足的问题，提出数据增强的小样本学习方法。构建了多特征融合的卷积神经网络模型，对无人船视觉图像进行语义分割。提出基于生成对抗网络的数据增强算法，解决网络模型对大量手动标签数据依赖的问题。通过五个不同类别的航行场景进行验证，实验结果表明，经过少量样本训练学习后，网络模型取得较好的效果，有效解决了水上航行场景训练数据不足的问题。　　然后，针对无人船视觉语义分割网络在复杂多变的水上环境性能下降的问题，提出语义分割网络自适应迁移学习方法。提出基于种子点的区域掩膜生成方法，实现分割网络自训练标签自动生成。对自动生成标签不确定性进行研究，解决语义分割网络自我更新学习的退化问题。为对算法有效性进行验证，将东湖场景的网络模型迁移到五个不同的航行场景中。经过不断地自我学习，网络模型逐渐适应新环境。证明提出的方法能有效提高网络的自适应能力，解决网络模型在不同场景的迁移问题。　　其次，针对无人船视觉易受环境影响和视野受限的问题，提出空海联合的水上复杂场景三维建模方法。融合无人机和无人船在不同视角下的视觉图像，丰富三维重构的数据来源。利用语义分割网络处理视觉图像，减少水面动态纹理对三维重构的影响。提出一种基于两级视图选择算法的稠密三维模型重建方法，提升图像的匹配精度和后续模型重构计算的效率。以东湖某岛屿为实验对象，通过不同视角的视觉图像，有效对周围场景进行了三维重构，提高了无人船系统对环境的立体感知能力。　　最后，针对无人船在自主导航不同阶段的感知问题，提出一套系统的空海协同感知方法。对无人船系统任务过程进行系统分析，将任务执行过程抽象分为任务目标搜索、自主航行和目标靠近三个阶段。针对任务目标搜索阶段，使用语义分割网络对无人机视觉进行处理，协助无人船快速识别水上不同目标。针对自主航行阶段，利用空海协同的立体感知算法，为无人船系统提供复杂环境的全局环境信息。利用无人船的视觉语义分割算法，为无人船提供实时的动态航行环境信息。针对目标靠近阶段，提出空海协同的水上目标定位算法，构建空海协同的无人机与无人船的视觉观测模型，实现无人船对周围环境物体的空间位置感知。从无人船的自主进港和水上搜索两个任务出发，对算法进行系统验证。通过无人船和无人机的协同感知，有效解决了无人船在航行不同阶段的感知问题，为无人船自主导航提供安全保障。
作者：	詹文强
专业：	交通信息工程及控制
导师：	肖长诗;文元桥
授予学位：	博士
授予学位单位：	武汉理工大学
学位年度：	2021