面向对海监视的舰船目标跟踪与航迹融合数据集

对海监视中航迹实时关联与轨迹融合任务是安全防控、区域态势监视、远程精确打击等军民应用领域的热点和难点问题,高质量的数据集对推动目标跟踪与融合技术在该领域的研究有重要作用。本研究针对目标跟踪与融合领域技术研究的数据需求以及目前公开数据集所存在的数据缺乏、场景设计针对性差、数据格式单一、数据描述不全等问题,通过仿真软件对复杂场景中多传感器多目标探测数据进行仿真,提供了一套面向典型对海监视场景(以舰船为探测对象的2D雷达与侦察传感器﹝ESM﹞)的目标跟踪与航迹融合数据集。其中仿真软件包括剧情发生器和传感器模拟器两部分,是一套成熟的目标跟踪场景仿真环境,提供逼真的探测数据模拟能力。本数据集涵盖的传感器对象包括2D雷达与侦察传感器,目标包括典型的海上舰船类别,并支持携带辐射源配置,设计了高速运动、密集交通、多传感器数据融合、特定舰船侦测和交叉定位等多种典型场景。本数据集中共包含368155条目标点迹,舰船数量为101条,时间范围15000秒,数据格式符合实际设备上报情景、探测误差模型符合实际。本数据集通过对数据误差进行正态性检验、对检测率、虚警率的场景检验以及实地调研,完成了对数据的准确性评估与数据完备性控制,可为舰船目标跟踪、轨迹融合等算法研究与验证提供基础数据。

远距离和遮挡下三维目标检测算法研究

针对现有三维目标检测算法对存在遮挡及距离较远目标检测效果差的问题,以基于点云的三维目标检测算法(3D object proposal generation and detection from point cloud,PointRCNN)为基础,对网络进行改进,提高三维目标检测精度。对区域生成网络(region proposal network,RPN)获取的提议区域(region of interest,ROI)体素化处理,同时构建不同尺度的区域金字塔来捕获更加广泛的兴趣点;加入点云Transformer模块来增强对网格中心点局部特征的学习;在网络中加入球查询半径预测模块,使得模型可以根据点云密度自适应调整球查询的范围。最后,对所提算法的有效性进行了试验验证,在KITTI数据集下对模型的性能进行评估测试,同时设计相应的消融试验验证模型中各模块的有效性。

改进人工势场算法的路径规划

人工势场法是一种适用于局部路径规划的算法,针对人工势场法存在的目标不可达、局部极小值等固有缺陷,提出了一种改进后的人工势场法。首先针对目标不可达问题,将引力影响因子添加到斥力场的生成中,改进斥力场函数,从而避免引力与斥力合力为零的情况。针对局部极小值问题,通过设立虚拟目标点来引入额外外力,打破机器人的平衡问题。通过与其他算法的对比实验,仿真结果显示,改进人工势场法规划的路径长度和消耗时间都更短,稳定性更强。

基于三维激光点云的序列运动图像点目标快速跟踪方法

由于现有方法未充分考虑小目标和遮挡目标检测的问题,导致目标跟踪效果不佳,由此针对点目标跟踪较为困难的问题,提出基于三维激光点云的序列运动图像点目标快速跟踪方法。首先下采样序列运动图像三维激光点云并去除其中的地面数据,通过动态阈值改进欧式聚类方法,分割图像为目标和背景,然后改进SECOND算法,在目标检测阶段融入自适应空间特征融合模块和二维卷积神经网络,同时采用3D DIoU替代Smooth L1作为损失函数,提升SECOND算法的目标检测性能,最后在激光雷达坐标系中构建各点目标的三维中心,利用3D卡尔曼滤波器连续跟踪目标,以交并比和欧式距离为度量标准,通过贪婪算法匹配最近邻目标,实现序列运动图像点目标快速跟踪。实验结果表明,所提方法IoU值更高,可达到0.971,且对目标的跟踪更理想。

意图注意力引导的小样本3D点云目标检测

现有的点云目标检测方法往往要求严苛的监督式数据集,这带来了人力、物力等方面的挑战。因此提出一种创新性的解决方案,即采用元学习框架来克服大量标注数据的困扰。对小样本学习技术在3D点云目标检测中的应用进行研究。这一方法能够基于有限的新类别标注样本,预测未标注样本的分类,从而在有限数据条件下仍能取得良好效果。引入原型投票网络来学习类别的几何原型以及支持集的类别原型。此外,为了学习点云上下文信息,引入意图注意力机制,以实现更加精准的信息融合。在原型生成方面,为避免点云原型过度依赖最大池化而丧失大量信息,采用平均池化方法来生成原型。与基准数据集上的基线模型相比,该方法呈现出显著且一致的提升效果,为点云目标检测领域的研究和应用提供了有力支持。

基于场景点云重建的移动焊接机器人作业轨迹提取方法

为保证移动作业焊接机器人能够在建筑、石化、船舶等非结构化场景中精准高效的完成作业,提出一种基于点云重建的焊接轨迹提取方法。焊接机器人变换作业场景后,首先通过深度相机实时检测引导标志物,明确作业范围和起点并重建场景点云。然后基于点云分割和边界提取算法获取焊缝点云轨迹,并提出一种焊接机器人位姿调整策略。最后,针对点云精度不足的问题,采用激光视觉传感器对焊缝进行精度修正,提取精确焊接轨迹。通过曲线焊缝场景实验,表明机器人运动平滑,焊缝轨迹提取误差小于0.5 mm,精度满足生产要求。

基于ROS-Matlab的移动机器人仿真研究

结合Linux下ROS系统高性能的仿真工具和跨平台兼容性,以及Matlab强大的计算能力、丰富的工具箱和函数库,通过建立ROS-Matlab的仿真控制系统,对移动机器人的关键技术进行研究。文中介绍了ROS-Matlab系统的框架和功能,首先,使用Gazebo构建2D仿真室内环境,通过Solidworks创建移动机器人模型,并将该模型以URDF文件形式导入ROS环境中;其次,利用SLAM_gmapping算法对仿真室内环境进行扫描建图,由Simulink发布目标点坐标和目标点导航话题,控制移动机器人完成导航任务;最后,由Simulink发布轨迹跟踪话题,控制移动机器人进行轨迹跟踪。通过仿真验证,由所建地图、目标点导航和轨迹跟踪曲线说明仿真系统的可行性,为机器人研究提供参考。

基于偏转角抑制的改进人工势场法路径规划

针对传统人工势场法在实际应用中存在的局部最极小值、目标不可达以及路径震荡等问题,文种提出了一种基于偏转角抑制的改进人工势场法。该方法以传统人工势场法为基础,采用改进斥力势场函数保证目标点为全局势能最低点。在路径解算中引入偏转角抑制因子来抑制无人车行驶过程中过大的偏转角,在无人车陷入局部极小值点后每一步的路径解算中都添加新的虚拟目标点,直至无人车累积一定的偏转角摆脱障碍物群。仿真实验结果表明,该算法可以在不影响无人车避障的情况下减少规划路径的震荡性,并能够使无人车逃脱复杂障碍物群顺利到达目标点,规划出一条有效、简短以及震荡较少的路径。

一种多层多模态融合3D目标检测方法

在自动驾驶感知系统中视觉传感器与激光雷达是关键的信息来源,但在目前的3D目标检测任务中大部分纯点云的网络检测能力都优于图像和激光点云融合的网络,现有的研究将其原因总结为图像与雷达信息的视角错位以及异构特征难以匹配,单阶段融合算法难以充分融合二者的特征.为此,本文提出一种新的多层多模态融合的3D目标检测方法:首先,前融合阶段通过在2D检测框形成的锥视区内对点云进行局部顺序的色彩信息(Red Green Blue,RGB)涂抹编码;然后将编码后点云输入融合了自注意力机制上下文感知的通道扩充PointPillars检测网络;后融合阶段将2D候选框与3D候选框在非极大抑制之前编码为两组稀疏张量,利用相机激光雷达对象候选融合网络得出最终的3D目标检测结果.在KITTI数据集上进行的实验表明,本融合检测方法相较于纯点云网络的基线上有了显著的性能提升,平均mAP提高了6.24%.

基于EP-YOLO v8的瓶栽金针菇最优抓取位置定位方法

针对工厂化瓶栽金针菇自动切根过程中,夹持末端因结构设计导致行程固定,进而影响抓取效果甚至切根质量的问题,本文基于YOLO v8(You only look once)构建改进的Enoki-pick_region-YOLO v8(EP-YOLO v8),实现瓶栽金针菇整体及最佳受力区域(关键抓取区域)的精准定位与轮廓提取,保障抓取参数的可靠性。该方法在网络优化基础上,基于最小欧几里得距离(Euclidean distance,ED)构建掩膜关系归属与判断模型,明确金针菇菇体与关键抓取区域掩膜间父子关系并合并优化。通过解析合并前后关键抓取区域的相对位置编码,确定抓取参数并进行坐标转换,为建立末端控制映射模型实现末端机械手运动行程的精确控制提供基础。实验结果表明,本文所提算法的金针菇菇体掩膜识别精确率达99.3%,关键抓取区域掩膜识别精确率达99.6%。同时,对比发现掩膜质量得到了提高,获取的参数抓取区域宽度与实际宽度之间的误差仅为0.7%,抓取参数基本满足抓取条件,能有效实现最优抓取位置的精准识别与定位。

改进YOLOv5模型的轮胎标记点检测算法研究

为实现在轮胎标记点快速精准识别,提出了一种基于YOLOv5改进模型的标记点识别方法。通过引入CBAM和SimAM两种注意力模块来提高网络提取特征的能力,同时考虑到轮胎标记点在图片中为小目标,利用α-IoU损失函数代替GIoU损失函数,即为GIoU函数添加α次幂后通过不断调节α的值来获取较好的识别效果。试验结果显示:文中提出的模型平均精度为91.1%,比原YOLOv5的模型平均精度88%提升了3.1%,比原有的YOLOv5模型有更高的准确度。

基于卡尔曼滤波的激光雷达点云跟踪方法研究

激光雷达点云目标跟踪是环境感知与定位的重要研究内容,具有广泛的应用前景。由于激光雷达存在探测范围有限、易受遮挡和散射条件影响等问题,无法保证跟踪过程中目标点云特征的完整性和正确性,跟踪目标丢失时有出现。为了提高跟踪过程中的鲁棒性,提出一种基于卡尔曼滤波的2D激光点云跟踪方法。该方法首先对聚类后的点云建立包围盒集合,其次对包围盒跟踪框建立卡尔曼滤波模型,将前一帧跟踪框最优估计值与当前帧包围盒,通过交并比方法进行关联性匹配,将关联性最大结果作为当前帧目标点云,并更新卡尔曼滤波模型参数,从而实现目标点云的实时跟踪。实验结果表明,所提方法提高了跟踪过程的鲁棒性和准确性。

“一平面三点”双探头超声定位局部麻醉下经会阴前列腺mpMRI-TRUS多模态AI影像融合靶向穿刺的应用初探

目的探讨“一平面三点”双探头超声定位局部麻醉下经会阴前列腺多参数磁共振-经直肠彩超(mpMRI-TRUS)多模态人工智能(AI)影像融合靶向穿刺的安全性和有效性。方法回顾性分析2023年1—9月湖南师范大学附属第一医院(湖南省人民医院)收治的134例可疑前列腺癌(PCa)患者的临床资料,所有患者均采用“一平面三点”双探头超声定位局部麻醉下行经会阴前列腺mpMRI-TRUS多模态AI影像融合靶向穿刺活检,由同一名医生应用视觉模拟评分(VAS)和视觉数字评分(VNS)评估患者前列腺穿刺活检时(VAS-1和VNS-1)和术后1 h(VAS-2和VNS-2)的疼痛度和满意度,记录患者围手术期临床资料和穿刺活检有临床意义前列腺癌(csPCa)阳性检出率。结果患者VAS-1为(1.60±0.68)分,VAS-2为(1.13±0.55)分;VNS-1为(2.84±0.41)分,VNS-2为(3.74±0.44)分,手术时间(16.12±3.35)min。靶向穿刺活检病理结果提示csPCa阳性检出率为65.67%(88/134)。根据前列腺影像报告和数据系统(PI-RADS)v2.1评分进行亚组分析,PI-RADS v2.1评分中2、3、4和5分患者的csPCa阳性检出率分别为23.08%(6/26)、52.94%(18/34)、62.50%(15/24)和98.00%(49/50)。穿刺术后20.90%(28/134)患者出现肉眼血尿,4.00%(5/125)患者出现尿潴留,经对症治疗后缓解。所有患者均未出现会阴穿刺区域血肿、尿路感染、血精、迷走神经反应和感染性休克等并发症。结论“一平面三点”双探头超声定位局部麻醉下经会阴前列腺mpMRI-TRUS多模态AI影像融合靶向穿刺为可疑PCa患者提供了一种安全且耐受性好的确诊手段,具有较高的csPCa阳性检出率,值得临床进一步推广应用。

基于Web of Science的深度学习应用于药物靶标预测研究文献可视化分析

目的通过文献计量学方法分析深度学习在药物靶标预测研究领域应用的热点及趋势。方法检索Web of Science核心合集(WOSCC)数据库2000年1月1日-2023年10月12日深度学习应用于药物靶标预测研究领域的文献,采用COOC14.5软件绘制发文趋势折线图,分析基金资助机构及期刊研究方向,采用VOSviewer1.6.19软件绘制发文作者、国家、机构共现图谱,并进行关键词共现和突现分析。结果共检索到1404篇相关研究文献,发文量总体呈上升趋势。发文量较多的国家和机构分别是中国和中国科学院,发文较多的作者为Wang Lei。文献主要发表在生物化学与分子生物学及计算机科学领域的期刊,Briefings in Bioinformatics为该领域发文量最多的期刊。高频关键词有深度学习、药物靶点结合、神经网络等。结论深度学习在药物靶标预测研究领域中展现出了广阔的应用前景,以图神经网络为代表的深度学习是当前研究重点,药物发现、药物重定位和药物再利用是研究热点和前沿。

基于深度学习的自动驾驶场景3D目标检测方法

针对传统PV-RCNN在点云上采样效率低下和采样精度存在偏差等问题,提出了一种基于PV-RCNN改进的3D目标检测方法。更改关键点采样策略,使得有限的关键点可以更加地聚集在proposal区域范围内,更多的编码有效前景点特征来用于后面的proposal refinement,有效产生更具有代表性的关键点。用局部特征聚合的VectorPool聚合模块取代体素集抽象和ROI网格池化模块中的集合抽象,更高效的针对稀疏和不规则点云数据进行编码。在KITTI数据集上对算法验证,结果表明:行人鸟瞰图检测,困难级别检测精度提升较为显著,达到了10.46%,整体帧率提升为33.74%,文中的方法拥有更好的检测性能。

联合目标检测与深度信息的动态特征点去除方法

针对在动态环境中,视觉定位系统的定位精度和鲁棒性容易受到动态特征点影响的问题,提出了一种联合目标检测与深度信息的动态特征点去除方法.引入YOLOv7目标检测网络快速获得当前图像帧的目标类别及位置信息,加入坐标注意力(coordinate attention,CA)机制优化深度学习模型,提升网络目标检测精度.此外,提出了一种利用深度信息和对极几何约束的动态特征点优化策略.有效剔除了动态特征点,同时保留了尽量多的静态点,从而降低了动态点对系统定位精度和鲁棒性的影响.在公开的数据集TUM上进行实验验证.结果表明:与ORBSLAM2(oriented fast and rotated brief-SLAM)相比,所提方案在定位精度和鲁棒性上有明显优势.同时与动态同步定位和地图构建(dyna simultaneous localization and mapping,DynaSLAM)相比,定位精度基本持平,但在运行速度上实现了显著提升.

顾及动态目标的快速视频拼接

动态目标的场景实时视频拼接是视频拼接中的难点,当运动对象经过视频拼接缝时易发生伪影和错位,而复杂的配准和融合算法又难以满足实时性要求。为了解决该问题,提出了一种顾及动态目标的快速视频拼接算法。针对采集的视频帧,通过ORB算法进行帧间稀疏特征点匹配,YOLOv5分割出左右两帧中的可能运动目标(汽车和行人),再结合光流法判断整个目标区域是否为运动目标区域,然后去除运动目标影响,基于静止区域的特征匹配点对进行帧间单映射H阵估计,得到高精确H矩阵。最后通过最佳缝合线进行影像融合时,基于前面检测出的运动目标区域,使缝合线规避运动目标区域,同时在左右两边分别针对动态目标区域进行更新。算法测试结果表明,每两帧(分辨率1280×720)平均拼接速度可达61ms,拼接效果好于APAP和ELA算法,且具有更快的拼接速度,最终实现了能顾及动态目标影响的快速视频拼接。

基于递归标记的红外图像弱小点目标自动识别方法

为准确识别红外图像中的弱小点目标,以递归标记算法为核心提出了红外图像弱小点目标自动识别方法。采用平滑滤波器和区域生长分割法,完成待识别红外图像的预处理;应用基于递归的二值图像标记模式,扫描所有的红外图像像素点并定义相应的标记值,形成多个图像连通域;针对每个连通域分别提取几何特征和形心特征,将其应用到稀疏表示分类器和卷积神经网络分类器中,自动生成弱小点目标识别结果。实验结果显示:应用所提方法识别海面红外图像、云层红外图像和纯净天空红外图像的mAP值分别为0.95、0.96与0.91,表明其具有较好的红外图像弱小点目标自动识别效果。

不同分布下红外主动目标特征点配准方法研究

视觉测量中经常需要用到特征匹配来计算位姿信息,但尚无针对红外主动目标设计特征匹配可用的算法,为实现对不同分布红外主动目标的匹配,本文提出了一种通用的两阶段特征点匹配方法。第一阶段为粗配准,首先检测图像特征点集的凸包,获取最外围点;通过构建三角形特征集,并使用马氏距离进行相似三角形计算搜索实现快速粗配准。第二阶段为精匹配,首先通过粗匹配特征计算欧拉角避免匹配结果的180°旋转对称;针对粗配准后的可能存在的特征点缺失问题,采用极线约束精匹配策略,充分利用已匹配特征点的几何信息,有效实现对剩余点的精确匹配。理论分析与实验表明,在13个红外发光点组成的旋转对称点集及非旋转对称点集下,该方法在绝对大小0°~40°的旋转范围内能高效匹配,实验测试极限性能能够达到50°,并对实际场景下特征点的遮挡等情况具有较好的鲁棒性,实验结果验证其适应性与稳定性,具有较高的实用价值。

激光跟踪仪双点靶球座的加工工艺

双点靶球座是激光跟踪仪的常用附件,具有较高的尺寸及形位精度要求,大外圆圆弧与小轴连接处薄弱,加工变形较难控制。对此,提出激光跟踪仪双点靶球座的加工工艺。介绍了具体工艺流程,进行了实测精度对比,确认采用所提出的加工工艺,激光跟踪仪双点靶球座的精度达到外购件水平,可以取代外购件。