论文题名: | 面向船舶智能航行的激光雷达目标检测与跟踪方法研究 |
关键词: | 船舶操控;智能航行;激光雷达;目标检测;路径跟踪 |
摘要: | 随着计算机、网络通信、信息处理和人工智能等技术的快速发展,以及行业对船舶高效、绿色和安全等方面的更高需求,智能化、无人化已经成为船舶与海洋工程领域发展的必然趋势。智能感知作为船舶智能航行的前提和基础,是船舶实现智能化的关键技术之一。水面目标的检测与跟踪是智能感知系统的两个主要功能,前者主要对传感器采集的信息进行处理,得到感兴趣目标的基本信息;后者则是以目标检测结果为基础,对目标的状态进行实时地监测和更新,为后续模块提供持续且稳定的目标状态信息。激光雷达是船舶智能感知系统常用的传感器之一,有着探测精度高、目标信息丰富的优势。本文面向船舶智能航行开展基于激光雷达的目标检测与跟踪方法的研究,主要工作内容包括: (1)针对水面目标检测过程中波浪对点云数据带来的干扰问题,提出了一种双密度栅格地图波浪点云剔除方法。该方法通过在目标所在的小范围区域内构建密集栅格地图,在其余地方构建稀疏栅格地图的策略,达到保证波浪点云被剔除的同时还能减少内存占用和计算耗时的目的。针对传统聚类算法难以处理点云分布不均匀的问题,本文提出了一种改进的DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise)聚类方法。该方法基于激光雷达的工作原理,利用反射点与雷达之间的距离以及雷达的垂直、水平分辨率近似计算出该点与临近反射点之间的距离,并以此为参考自适应地设置聚类算法参数。实验结果表明,本文提出的波浪点云剔除算法在有效地剔除了波浪点云的同时,还提高了算法的效率,减少了计算时间;改进的DBSCAN算法相比于传统方法,对不同密度的点云目标有更好的聚类效果,提高了目标检测的性能。 (2)针对水面单目标跟踪过程中杂波和虚警干扰的问题,对杂波和虚警产生的原因进行分析后,提出了一种体积修正概率数据关联算法。该算法结合了点云目标的几何特征,利用聚类后点云的体积之比,修正传统方法中关联概率的计算方式,以提高算法的抗干扰能力。此外,针对国际海事规则中对船舶会遇场景的要求,设计了三种经典会遇局面下的实验场景,用以验证改进算法的优越性和算法在船舶避碰过程中的有效性。实验结果表明,本文提出的体积修正概率数据关联算法显著提高了跟踪精度,并能在三种经典会遇场景中对目标进行有效地跟踪。 (3)针对水面多目标跟踪过程中杂波、虚警和航迹交叉导致的关联错误问题,提出了一种改进的KM(Kuhn-Munkres)数据关联算法。该方法将概率数据关联和KM算法相结合,将互联概率融入到KM算法的相似度计算之中,以提高算法的鲁棒性,减少关联错误。此外,针对多目标跟踪过程中,目标航迹因环境干扰和遮挡等原因造成的中断问题,引入了一种基于生命周期理论的航迹管理方法,通过多阈值、多阶段的管理机制,增加航迹的稳定性,减少航迹中断的情况。实验结果表明,本文提出的改进KM算法能有效地提高算法的鲁棒性,而基于生命周期理论的航迹管理方法能够明显减少航迹中断情况的发生。 |
作者: | 龚锐 |
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: | 2022 |