原文传递
基于数据融合的水面目标识别与跟踪方法
| 论文题名： | 基于数据融合的水面目标识别与跟踪方法 |
| 关键词： | 水面无人艇;水面目标识别;目标跟踪;数据融合;水面环境感知 |
| 摘要： | 水面无人艇(UnmannedSurfaceVehicle，USV)在保护海洋疆土，开发利用海洋资源等方面发挥着越来越重要的作用。无人艇感知系统通过建立完整的水面环境态势，为合理任务规划、顺利完成任务提供有力保障。但仅依赖光学信息的目标识别算法在频繁出现水面无人艇上浪、镜头逆光现象的恶劣海洋环境下准确性较差;经典的目标跟踪算法在水面无人艇自身运动状态复杂多变的情形下鲁棒性较差。可见光RGB图像数据与激光雷达点云数据具有很好的互补性，对其进行数据融合可以有效地提升水面恶劣环境下目标识别与目标跟踪的效果。因此，针对水面环境特殊性，基于多传感器数据融合，进行水面目标识别与跟踪方法的研究。论文的主要研究内容如下:第一，针对点云原始数据噪点、尾浪干扰问题和RGB图像数据与激光雷达点云数据有效匹配的问题;提出了利用点云强度加权的欧氏聚类方法进行点云原始数据的滤波和分簇，有效解决水面目标分簇过程中尾浪干扰问题，提出了基于二值栅格化图像的点云数据预处理方法，降低算力消耗;利用相机成像模型对光学相机与激光雷达进行联合标定，实现了RGB图像数据与激光雷达点云数据的像素级融合。 第二，为了提高目标识别算法在频繁出现水面无人艇上浪、镜头逆光现象的恶劣海洋环境下的识别效果，采用高斯滤波与膨胀腐蚀结合的方法处理投影后的点云数据，获取数据矩阵，并构建了同步特征提取的多源数据融合神经网络，利用三维点云在各种恶劣情形下稳定的深度特征与强度特征，提升目标识别算法的准确率。 第三，针对水面目标在RGB图像数据中的像素位置不规律运动导致目标跟踪算法失效的问题;利用使用Haversine方法计算得到的经纬度、目标点云簇中提取的目标尺寸等属性对Deep-SORT算法进行改进，利用归一化方差匹配与平均色差衡量纹理相似度与色彩相似度，提出了一种目标匹配代价矩阵的计算方法，提升水面目标跟踪方法的鲁棒性。 基于以上研究内容设计了完备的无人艇感知系统，并利用3T无人艇试验平台进行了外场试验。验证了本文提出的基于数据融合的水面目标识别与跟踪方法的有效性和鲁棒性。 |
| 作者： | 江坤颐 |
| 专业： | 船舶与海洋结构物设计制造 |
| 导师： | 苏玉民 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
