关键词： 图像处理技术   智能控制器   背景差分法   积分滑模控制  

摘要： 为了提高船舶的自主控制能力和运行效率,研究图像处理技术在船舶智能控制器中的应用。利用摄像机采集船舶图像,获取持续更新的船舶序列图像。采用大津法确定船舶目标提取阈值,利用背景差分法提取船舶图像目标。从船舶图像目标中,提取船舶位置、船舶尺寸、船舶航向角、船舶航行速度,作为船舶智能控制的运动态势参数。利用船舶运动态势参数中的位置矢量与速度矢量,构建船舶的动力学模型、船舶的积分滑模控制面,设计船舶智能控制器,实现船舶航行的智能控制。实验结果表明,采用该方法控制船舶,船舶的实际舵角与期望舵角相差较小,可有效提升船舶的自主控制能力。

关键词： 自动驾驶   目标检测   目标跟踪   深度学习   卷积神经网络   循环神经网络  

摘要： 传统的检测和跟踪方法在复杂驾驶场景下存在精度不高、实时性不足、鲁棒性不强等问题,据此提出了基于深度学习的改进方法。在目标检测方面,设计了一种双阶段检测器,在骨干网络中引入注意力机制,并结合FPN进行多尺度特征融合,该方法利用孪生网络架构,通过时空注意力模块来挖掘目标的显著特征和运动模式,从而增强了网络对目标表征的学习能力。这种端到端的框架设计,避免了传统方法中由于模块化处理而导致的特征表达能力下降的问题。此外,讨论了算法的局限性以及未来的改进方向。实验结果表明,所提出的算法在KITTI和OTB等公开数据集上取得了显著优于现有方法的性能,展现出了良好的精度和实时性。研究成果可为自动驾驶系统的感知模块设计提供新思路。

关键词： 量子化能量   发光   光栅衍射   图像处理  

摘要： 本文基于光栅衍射与机器视觉,设计了一套直观测量物质量子化能量的实验系统,其包括激励待测物发光的“盲盒光源”、光栅衍射组件和读谱系统,系统能以不同方式测定不同物质的能级,并实现了数据的实时处理.盲盒光源利用光致发光或电致发光的基本原理,激发待测物质中的电子从价带跃迁到导带,并发出特定波长的光这一“指纹信号”,利用光栅衍射方法获得其衍射谱,使用数码相机实时采集衍射谱,通过图像处理算法自动获取衍射斑的中心位置,减少了读谱误差,直观、简便地演示了物质能级的量子化.

关键词： 激光雷达   水下探测   图像处理   边缘检测  

摘要： 机载激光雷达已被广泛运用在水底地形测绘等领域,针对水下障碍物探测及识别的需求,基于线形扫描激光雷达的数据特点,提出将波形数据拼接为二维剖面图直观地反映回波能量的分布。使用上升沿线性近似的方法从回波提取水面斜距,并构建了基于机载激光雷达系统扫描结构的光线出射角度模型,通过对水面变形的校正实现了对水下障碍物回波轮廓的还原。使用Canny边缘检测算子提取相邻扫描线所成图像中高回波能量的边缘,最后通过Hu矩对比边缘结果间的相似度,构建障碍物识别判据并进行验证。该算法为机载激光雷达系统水下障碍物探测和识别的数据处理方式提供参考。

关键词： 目标检测   轻量化网络   注意力机制   YOLOv7-Tiny   SIOU  

摘要： 城市路边植物的检测与识别是智能洒水车的关键技术。针对路边植被图像检测中的小目标漏检和遮挡问题,提出一种改进型YOLOv7-Tiny的植物检测算法。在创建数据集时,使用相机实景拍摄和图片爬虫抓取方法获取原始数据集,通过LabelImg进行人工标注,并采用mosaic数据增强方法扩充数据集。为兼具准确率和较高检测速度,首先将YOLOv7-Tiny网络作为baseline,在网络的Head部分引入无参数SimAM注意力机制,使网络在不增加模型复杂度的情况下聚焦更多重要的特征信息;其次在网络的Head部分将ACmix替换部分传统卷积,以实现更高效的特征融合;最后在算法中使用SIOU替换原YOLOv7-Tiny网络模型的CIOU来优化损失函数,以减少损失函数的自由度并提升网络鲁棒性。实验表明,改进算法在测试集上的均值平均精度mAP@50:95达到67.2%,相较于YOLOv7-Tiny算法提升3.1%,在保证模型轻量化的同时具有较高的检测精度,可满足智能洒水车轻量化植物检测的准确度和速度要求。

关键词： 装配   机械臂   目标检测   深度学习   抓取  

摘要： 针对视觉引导定位的机械臂抓取装配任务中对工业零件的定位差、抓取效率低等问题,提出一种基于改进YOLOv3的智能抓取系统方案,实现工业零件从目标检测到自动化抓取的智能化。首先,为提高对小目标和拥挤目标的检测性能,提出了改进YOLOv3目标检测网络;其次,对工业零件进行数据采集与训练,实现对零件的目标识别与定位;最后,通过相机标定和手眼标定实现由图像坐标系到世界坐标系的转变,获得被抓物体的世界坐标,对机械臂进行抓取规划,完成目标物体的抓取。实验采用Kinect V2相机与UR3六轴协作机械臂组成抓取实验平台,对目标零件进行定位和抓取实验。实验结果表明,改进的YOLOv3算法提高了对小目标和拥挤目标的检测性能,对零件进行精准的目标定位并抓取。

关键词： 传感器管理   扩展目标跟踪   深度强化学习   双延迟深度确定性策略梯度   信息增益  

摘要： 针对扩展目标跟踪(Extended target tracking,ETT)优化中的传感器管理问题,基于随机矩阵模型(Random matrices model,RMM)建模扩展目标,提出一种基于深度强化学习(Deep reinforcement learning,DRL)的传感器管理方法.首先,在部分可观测马尔科夫决策过程(Partially observed Markov decision process,POMDP)理论框架下,给出基于双延迟深度确定性策略梯度(Twin delayed deep deterministic policy gradient,TD3)算法的扩展目标跟踪传感器管理的基本方法;其次,利用高斯瓦瑟斯坦距离(Gaussian Wasserstein distance,GWD)求解扩展目标先验概率密度与后验概率密度之间的信息增益,对扩展目标多特征估计信息进行综合评价,进而以信息增益作为TD3算法奖励函数的构建;然后,通过推导出的奖励函数,进行基于深度强化学习的传感器管理方法的最优决策;最后,通过构造扩展目标跟踪优化仿真实验,验证了所提方法的有效性.

关键词： 管道   保温破损   红外热成像   图像特征   目标识别   神经网络   定位检测   预知性维修  

摘要： 针对炼化企业中管道保温层散热损失问题,提出一种利用计算机视觉识别炼化企业管道保温破损并定位的方法。通过无人机搭载红外热成像技术进行图像采集,利用ResNet50架构进行特征提取,并结合Faster RCNN神经网络实现破损的准确识别与定位,阐述了图像预处理、数据集构建、模型训练及预知性维修等关键步骤,通过深度融合无人机与计算机视觉技术,显著提升了检测效率和精度。此外,利用生成的保温破损分布定位图,企业可制定数据驱动的维护策略,降低运维成本并延长管道保温使用寿命,从而提高整体运营效率,为管道系统的长期安全稳定运行提供了科学支持。

关键词： 遥感图像   目标检测   边界框   群目标   自动化标注   DOTA   目标感知   多目标  

摘要： 光学遥感是航天侦察和地质勘测中的常用技术,拍摄得到的可见光图像能够提供非常丰富的信息,在目标监视、态势预判等方面都具有重要应用。近年来以轮船、飞机等物体检测为代表的光学遥感图像目标感知取得了显著进展,但对于目标尺度变化大,目标数量多而小的遥感图像目标感知场景中还存在巨大技术挑战,也就是在当前的光学遥感图像目标感知场景存在很多目标小并且多目标集中的情况,容易导致误检和漏检。为了解决现有遥感图像目标检测算法不同目标独立检测的内在低效性,本文提出了一种新的检测框架,即群目标检测,以期通过检测群目标的状态信息来缓解单一目标感知信息不足、可靠性差等问题,进而得到更为可靠的多目标检测结果。本文首先对群目标的概念进行定义,然后基于该定义提出了一种群目标自动化标注方案,在公开数据集上对原有标签进行分析,无需任何手动标注,就能得到含有群目标标注的注释信息。基于群目标自动化标注,本文提出了群目标检测算法,即在检测群目标的同时,利用群目标的空间约束提升单一目标检测结果。实验证明,与近年来的遥感图像检测算法相比,本文提出的群目标检测在最热门的大型遥感目标检测数据集DOTA上验证时,性能最佳。

关键词： 自动驾驶   深度学习   目标检测   异常案例  

摘要： 基于深度学习的视觉感知技术的发展有利于自动驾驶系统中环境感知技术的进步。然而,对于自动驾驶场景中的异常案例,目前的感知模型还存在一些问题。这是因为基于深度学习的感知模型的能力取决于训练数据集的分布。尤其是驾驶场景中的类别从未出现在训练集中,感知系统也往往很脆弱。因此识别未知类别和极端场景仍然是自动驾驶感知技术安全性的挑战。本文从处理数据集的角度出发,提出了一种新颖的多模态异常案例自动挖掘流程(corner case mining pipeline, CCMP)。为验证CCMP的有效性,在Waymo开放数据集的基础上构建了异常案例子集“Waymo-Anomaly”,该子集共有3 200个图像,每个图像都将包含文本中定义的异常案例场景。并且基于私有数据集Waymo-Anomaly,证明了CCMP针对异常案例场景挖掘的召回率可以达到91.7%。此外,还通过实验验证了目标检测器在包含异常案例的数据集中针对长尾分布的有效性。最终,希望从处理数据集的角度来提高自动驾驶感知模型在现实世界中的真实性。