关键词： 三维建模   实例分割   模板匹配   三维姿态  

摘要： 船只在海面上航行时,由于船只自身的运动、风力和海浪对船只运动的影响,船只的姿态是实时变化的,要在飞机上实时、准确测量出船只的姿态是很困难的。针对上述问题,设计了一种融合传统的模板匹配方法和深度学习方法的姿态估计方法,深度学习方法提高了姿态估计的准确性、鲁棒性和环境适应性,结合基于轮廓特征的模板匹配方法提高了姿态估计的实时性。首先采用目标船只的三维模型,渲染出船只的多姿态图像,通过实例分割算法建立船只姿态模板库。然后采集目标船只的可见光图像,通过目标检测、实例分割算法获得船只匹配图像,将船只匹配图像与船只姿态模板库中的图像进行匹配,匹配成功的船只姿态模板图像对应的姿态即为船只的姿态。通过仿真验证,三维姿态估计精度可达到1°。

关键词： 目标检测   复杂环境   数据增强   自动驾驶  

摘要： 为提高光照变化、模糊、噪声和遮挡等复杂环境下视觉感知系统目标检测模型的性能,基于YOLO 11x模型,结合数据增强方法,分析了目标检测模型在不同复杂环境下的性能变化情况,结果显示,不同类型的环境干扰对模型性能的影响各有特点,其中高斯噪声和运动模糊的影响较为显著,亮度调整和随机遮挡的影响相对较小。

关键词： 工业流水线   密集目标检测   YOLOv8   特征融合   现场数据采集  

摘要： 在工业流水线场景中,利用带有视觉信息的目标检测技术为故障发现及消缺提供决策信息已成为智能生产的新热点。针对电能表流水线检定场景中目标遮挡、小目标密集排列等问题,在YOLOv8n的基础上,提出了一种轻量化目标检测算法。通过引入O⁃GELAN模块,在保持低计算量的同时获取更丰富的特征层次。利用特征收集⁃融合⁃分发的颈部架构和通道位置注意力机制实现特征跨层融合;此外,采用重参数化卷积检测头以进一步提高检测效率。在现场采集流水线数据上的实验表明,改进后模型的mAP(0.5)和mAP(0.5∶0.95)分别达到了0.994和0.828,检测速度可达111.5帧/s,能够满足工业场景下的高精度和高实时性需要,可为故障消缺提供辅助决策。

关键词： 自动对准   自动对焦   中心定位   灰度能量曲线   决策树   图像处理   眼科医疗设备  

摘要： 为了解决现有眼科生物参数测量仪对准对焦速度慢、精度低和普适性差的问题,提出了基于灰度能量曲线的光轴中心自动对准算法以及基于决策树的自动对焦算法。首先,对仪器实拍的人眼图像进行局部区域高斯模糊预处理,再利用行和列方向的灰度能量曲线定位靶环感兴趣区域。最后,经过图像后处理可以得到完整的靶环区域,用光斑质心拟合椭圆的方法来计算光轴中心位置。此外,还利用靶环区域作为先验知识,通过提取靶环大小和清晰度特征构建数据集,并训练决策树分类模型区分准焦-近离焦-远离焦图像,实现仪器自动对焦。实验结果表明,所提算法的定位误差在3像素以内,单帧图像的对准和对焦平均处理时间为14.8ms,具有实时性、高精度和鲁棒性强等优点,满足眼科生物参数测量自动对准和对焦的要求。

关键词： 目标检测   图像处理   位姿修正   桨叶叶尖   精准定位  

摘要： 针对无人机自主巡检风机需对桨叶进行精准定位的问题,设计了一种基于风机局部图的无人机位姿修正和叶尖定位系统。无人机依据风机参数飞至指定位置获取风机局部图,使用Yolov5实现对轮毂、塔筒的目标检测和特征提取。对概率渐进式Hough直线检测结果筛选后,利用K-means聚类得到桨叶中心线,依靠轮毂特征和桨叶中心线夹角更新无人机位姿,获取近距离粗略正对风机局部图。设计无人机位姿修正系统并对其收敛性进行了证明,该系统以风机局部图中像素坐标差值作为偏差控制量,计算世界坐标系下无人机运动量,实现无人机正对风机,轮毂位置位于图像中心。最后,结合无人机位姿信息与风机参数解算桨叶叶尖坐标,实现叶尖精准定位。该算法基于Gazebo仿真实现,定位精度达亚米级,为风机运维提供理论依据。

关键词： 小样本目标检测   深度学习   数据增强   样本生成  

摘要： 利用生成模型为小样本目标检测提供额外样本是解决样本稀缺问题的方法之一。现有生成额外样本的方法，多关注于生成样本的多样性，而忽略了生成样本的质量和代表性。为解决这一问题，该文提出了一个新的基于数据生成的小样本目标检测框架FQRS。首先，构造类间条件控制模块使得数据生成器能够学习不同类别间的关系，利用基类和新类的类间关系信息辅助模型估计新类的分布，从而提高生成样本的质量。其次，设计类内条件控制模块，利用交并比(IOU)信息限制生成样本在特征空间的位置，通过控制生成的样本更聚集于类别的中心，确保它们能够捕捉对应类别的关键特征，从而提高生成样本的代表性。在PASCAL VOC和MS COCO数据集上进行测试，在不同小样本条件下，该文提出的模型均超过当前最好的两阶段微调目标检测模型—解耦的更快区域卷积神经网络(DeFRCN)。实验验证了该文方法在小样本目标检测上具有出色的检测效果。

关键词： 目标跟踪   交互多模型   ADS-B   转移概率矩阵   跟踪误差  

摘要： 为了提高场面监视效率，实现场面运动目标精准跟踪，考虑到传统交互多模型由于固定马尔可夫转移概率矩阵导致模型跟踪精度降低，该文提出一种转移概率自适应改进的交互多模型滤波算法。该算法利用观测数据和滤波残差数据，结合模糊推理算法，构建机动强弱模糊推理系统，推理出观测数据与隐马尔可夫显状态集合的映射关系，得到显状态集下的状态序列;根据隐马尔可夫模型中的Baum-Welch算法实时求解状态转移矩阵和更新观测概率矩阵，优化状态转移概率矩阵自适应更新策略;将机动强弱模糊推理系统和隐马尔可夫模型融入交互多模型算法中，构成机动目标实时估计的模糊隐马尔可夫-交互多模型算法，以提高跟踪精度;最后，基于实际场面ADS-B轨迹数据进行了验证，验证结果显示，改进后的交互多模型能够在非等间隔预测条件下实现参数的自适应调整，且在双维度4项统计指标中，位置跟踪精度方面分别提高了63.5%, 54.3%, 40.3%, 22.7%，速度和加速度的轨迹拟合精度均得到了提高，验证了改进算法的优越性。

关键词： 高效目标检测   航空图像   注意力机制   卷积神经网络  

摘要： 针对航空图像目标检测中普遍存在的图像尺寸过大、目标密集分布等关键难题,本文开创性地引入了目标图像块激活策略,不仅解决了传统方法在处理航空图像时效率低下的问题,而且显著提升了复杂场景下的精度表现,对推动航空图像目标检测技术的发展具有重要意义.现有的航空图像目标检测技术通过简单裁切图像块的方式进行处理,不仅效率低下,还因大量无效图像块的检测导致资源浪费与误检率上升.因此,本文提出了一种目标图像块激活模块(TIBAM),该模块通过引入卷积注意力机制,使检测器能够专注于包含目标物的有效图像块,从而减少在无效图像块上的资源浪费,实现了对潜在有效图像块的智能识别与处理.TIBAM的引入,为检测器带来了超过17%的推理速度提升,还实现了检测精度的稳定提升,为高效、精准的航空图像目标检测提供了创新性的解决方案.本文通过在主流的一阶段检测器Retinanet和两阶段检测器Faster-RCNN中集成TIBAM模块,以及在Visdrone航空图像数据集上进行验证,充分展示了该模块的实际应用价值与广泛适用性.

关键词： Image coding  

摘要： Traditional 3D object detection methods in Cartesian coordinate systems often overlook the symmetry and continuity of the target from different perspectives to some extent during camera image encoding due to the fixed wedge-shaped imaging geometry of in-vehicle cameras. To address this，in this paper，PolarDet，an innovative end-to-end 3D object detection method in polar coordinates based on position and semantic information weighting is proposed. This method generates BEV（Bird's Eye View）position and semantic information in polar coordinates through polar coordinate queries and predefined polar grid，which then interacts with the BEV information from the previous frame to incorporate temporal information. When outputting the final detection results，PolarDet performs a weighted sum of position and semantic information to enhance information utilization efficiency，allowing the network to achieve higher detection accuracy. Extensive experiments on the challenging BEV object detection nuScenes dataset show that the optimal model of PolarDet achieves a mAP（mean average precision）of 0.469 and an NDS（nuScenes detection score）of 0.56，significantly outperforming Cartesian coordinate-based BEV detection methods. © 2025 SAE-China. All rights reserved.

关键词： 船舶自动监测方法   目标检测   数据融合   异常行为检测  

摘要： 为保障桥区通航安全,提出一种视觉与船舶自动识别系统(Automatic Identification System,AIS)融合的船舶自动监测方法.基于YOLOv5(You Only Look Once version 5)目标检测算法和Canny算法提取船舶图像轮廓信息,构建桥区水域目标距离、方位和高度视觉测量模型与方法,实现船舶三维定位.利用融合视觉与AIS的船舶航行态势数据建立异常行为检测模型,自动识别、监测桥区水域危险船舶.试验结果表明:在单、多船的情况下视觉与AIS数据关联准确率分别达到98.45%、91.29%;能有效监测桥区船舶的运动状态.本研究可为保障船舶和桥梁的安全提供有效方法.