原文传递
基于水面无人艇惯性/雷达/视觉多源异构识别与定位研究
| 论文题名： | 基于水面无人艇惯性/雷达/视觉多源异构识别与定位研究 |
| 关键词： | 水面无人艇;多源异构识别;目标检测;神经网络;组合导航 |
| 摘要： | 无人艇（UnmannedSurfaceVehicle，USV）是各国对海洋资源探索的重要载体工具之一，具有低成本、高可靠性和高安全性等特性。目标检测和导航定位模块作为实现USV智能作业的最为重要部分，决定了其工作的效率和精度。高精度的环境感知和目标检测技术可以高效辅助USV目标识别和定位。在USV的智能化导航中，依靠单一的传感器无法应对复杂的海洋情况，也无法满足高精度的导航定位需求。因此，通常借助多传感器协同工作，形成以惯性导航为主，视觉和雷达辅助的多源异构组合导航定位系统。本文主要面向复杂水面环境，以USV作为研究对象，对水面环境感知的和目标识别方法，以及多源传感器异构融合导航定位方法展开研究。 针对惯性导航系统，建立载体坐标系到导航坐标系的惯性导航参数解算模型，推导惯性解算过程中的姿态、速度、位置更新算法。针对视觉导航系统，推导视觉从像素坐标系到世界坐标系的转换关系，并用雷达坐标系作为世界坐标系辅助解算载体的位姿。 针对复杂水面环境造成的目标检测困难问题，设计并实现一种基于Transformer架构的DeformableDETR目标检测模型，引入分阶段检测模型包括FasterRCNN、MaskRCNN、CascadeRCNN和基于Transformer的QueryLnst模型作为对比。采集并选取具有强光干扰、多尺度特性的水面图片进行实验验证，通过实验证明即使在有湖面反射、多尺度目标影响，DeformableDETR可以取得97.75％的精确率和96.39%的召回率，对比FasterRCNN准确率提高2%，召回率提高28.34%，小目标召回率可达100%。有效证明DeformableDETR利用注意力机制来提取特征，有助于更准确抽取小尺度目标的特征，准确检测出目标物。 针对多传感器融合定位系统中惯性和视觉频率不一致和视觉量测延迟问题，提出一种基于频率补偿和残差校正的多速率容积卡尔曼滤波（LSTM-MRCKF）方法，LSTM-MRCKF利用LSTM对低速率传感器输出进行建模学习其数据中的时序特性，并在系统中多传感器频率不同步时预测低速率传感器的输出用作频率补偿。以姿态估计为例，通过实验验证可知加入LSTM后，组合系统姿态估计精度可提高57.74%，加入多速率残差校正后，姿态估计精度还可再提升8.9%。 最后，设计实验验证惯性/雷达/视觉多源异构定位方法性能。LSTM-MRCKF东向、北向位置估计的均方根误差分别为为0.37m、0.20m。对比LSTM-CKF误差估计精度最大提高60.98%。东向、北向的速度估计的均方根误差为0.0415m/s和0.0549m/s，误差估计精度最大提高61.35%。 |
| 作者： | 张雨 |
| 专业： | 仪器科学与技术 |
| 导师： | 陈熙源 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
