隨著智能技術(shù)在水上運(yùn)輸領(lǐng)域的研究和應(yīng)用,國(guó)內(nèi)外眾多研究機(jī)構(gòu)對(duì)智能船舶的發(fā)展投入大量的人力和物力。環(huán)境感知作為智能船舶的重要組成部分,是船舶安全航行的重要前提。狹窄水域內(nèi)有諸多不確定性,存在諸多靜態(tài)障礙物以及不斷航行的動(dòng)態(tài)船舶目標(biāo),為航行環(huán)境感知帶來(lái)了困難。激光雷達(dá)作為先進(jìn)的高精度環(huán)境感知設(shè)備,可以感知周圍目標(biāo)的三維信息、強(qiáng)度信息以及深度信息等,不受光照變化影響,在船舶會(huì)遇、背景復(fù)雜等情況下,表現(xiàn)良好。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)在圖片檢測(cè)中的重要手段,在實(shí)現(xiàn)船舶目標(biāo)識(shí)別方面具有很好的效果。本文利用可見(jiàn)光圖像數(shù)據(jù)和激光雷達(dá)所產(chǎn)生的點(diǎn)云數(shù)據(jù)分別實(shí)現(xiàn)了狹窄水域內(nèi)的目標(biāo)檢測(cè),并進(jìn)行了融合分析,主要工作如下:第一,利用激光雷達(dá)和相機(jī)進(jìn)行實(shí)船試驗(yàn),獲取原始點(diǎn)云和圖像數(shù)據(jù),將原始點(diǎn)云數(shù)據(jù)解析,在數(shù)據(jù)預(yù)處理過(guò)程中,通過(guò)統(tǒng)計(jì)分析的濾波方法將噪聲點(diǎn)和冗余點(diǎn)進(jìn)行剔除,分析點(diǎn)云強(qiáng)度值,對(duì)不同物體的強(qiáng)度值進(jìn)行量化分析,將材質(zhì)單一的目標(biāo)點(diǎn)云強(qiáng)度值以平均值的方法進(jìn)行處理;第二,分析船舶尾跡的點(diǎn)云數(shù)據(jù)特征,利用以平面為模型的隨機(jī)采樣一致性估計(jì)算法,將點(diǎn)云的強(qiáng)度值作為閾值參數(shù),獲得適應(yīng)于本文的改進(jìn)的隨機(jī)采樣一致性估計(jì)算法模... 

【文章來(lái)源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１時(shí)間飛行法的測(cè)距原理??Ｆｉ．?２．１?Ｐｒｉｎｃｉｌｅ?ｏｆ?ｄｉｓｔａｎｃｅ?ｍｅａｓｕｒｅｍｅｎｔ?ｂｙ?ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ??

圖２．２坐；ｆ示系轉(zhuǎn)換??Ｆｉｇ．?２．２?Ｃｏｏｒｄｉｎａｔｅ?ｓｙｓｔｅｍ?ｃｏｎｖｅｒｓｉｏｎ??

要涉及到局部關(guān)聯(lián)和窗口滑動(dòng)操作，將該??層的每個(gè)神經(jīng)兀作為濾波器，利用窗Ｕ滑動(dòng)機(jī)制對(duì)圖片的局部數(shù)據(jù)進(jìn)行計(jì)算；??（３）?ＲｅＬＵ激勵(lì)層??卷積神經(jīng)網(wǎng)絡(luò)采用的激勵(lì)函數(shù)一般為ＲｅＬＵ函數(shù)，如圖所示。該函數(shù)的特點(diǎn)為求梯??度簡(jiǎn)單，收斂快，？??ｍｊ；?／??．?．??／??Ｈ?．?／??／??４?？?／’??２：?／??ｔ?．?■?．?＞?ｉ?■?？?■?？?’?．?．?．＿＿Ｉ＿＿Ｉ?Ｉｉ＿＿＿ｉ—ｊ＿＿Ｌ－??－１０?－５?５?１０??圖２．３?ＲｅＬＵ函數(shù)??Ｆｉｇ．?２．３?ＲｅＬＵ?ｆｕｎｃｔｉｏｎ??（４）池化層??池化層夾在連續(xù)的卷積層中間，用于壓縮數(shù)據(jù)和參數(shù)的數(shù)量，減小過(guò)擬合，當(dāng)輸入??為圖像數(shù)據(jù)時(shí)，該層的作用為圖像壓縮，將圖像數(shù)據(jù)降維的同時(shí)，保證了圖像特征的尺??度不變性；??（５）全連接層??通常全連接層在卷積神經(jīng)網(wǎng)絡(luò)的尾部，利用層與層之間神經(jīng)元的權(quán)重，獲得輸出圖??像。??２．２．２?ＣＮＮ經(jīng)典模型??在卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展過(guò)程中，出現(xiàn)了眾多經(jīng)典的模型，ＬｅＮｅｔ－５模型、ＡｌｅｘＮｅｔ、??ＶＧＧｎｅｔ、ＧｏｏｇｌｅＮｅｔ、ＲｅｓＮｅｔ?等［４４］［４６】。??ＬｅＮｅｔ－５是第一個(gè)大規(guī)模應(yīng)用在手寫數(shù)字識(shí)別問(wèn)題的卷積神經(jīng)網(wǎng)絡(luò)，其正確率高達(dá)??９９．２％；?ＡｌｅｘＮｅｔ在有大量像素規(guī)格相同的預(yù)處理圖片訓(xùn)練下，同肘提出了?ＲｅＬＵ函數(shù)代??替Ｓｉｇｍｏｉｄ函數(shù)，力口快了收斂速度，同時(shí)提出Ｄｒｏｐｏｕｔ的模型組．合方式，在ＧＰＵ計(jì)算資??源的支持下，實(shí)現(xiàn)并行計(jì)算，提高運(yùn)算效率；ＶＧＧ網(wǎng)絡(luò)實(shí)際上是ＬｅＮｅｔ－５的加強(qiáng)版，它??－１２?－??

【參考文獻(xiàn)】：
期刊論文
[1]激光雷達(dá)的船舶航行障礙物識(shí)別方法[J]. 金君.  艦船科學(xué)技術(shù). 2020(10)
[2]基于激光雷達(dá)掃描建模的可視化交互式船舶超載超吃水監(jiān)測(cè)技術(shù)[J]. 高長(zhǎng)海,陳亮,范遠(yuǎn)利,李奕陽(yáng).  中國(guó)水運(yùn)(下半月). 2019(12)
[3]基于三維激光雷達(dá)的無(wú)人船障礙物自適應(yīng)柵格表達(dá)方法[J]. 劉德慶,張杰,金久才.  中國(guó)激光. 2020(01)
[4]基于激光雷達(dá)的內(nèi)河無(wú)人船障礙物識(shí)別方法[J]. 王貴槐,謝朔,柳晨光,初秀民,李梓龍.  光學(xué)技術(shù). 2018(05)
[5]PCL環(huán)境下的3D點(diǎn)云分割算法研究[J]. 周炳南,閔華松,康雅文.  微電子學(xué)與計(jì)算機(jī). 2018(06)
[6]無(wú)人駕駛船舶研究綜述[J]. 高宗江,張英俊,孫培廷,李文華.  大連海事大學(xué)學(xué)報(bào). 2017(02)
[7]基于3D激光雷達(dá)的無(wú)人水面艇海上目標(biāo)檢測(cè)[J]. 李小毛,張?chǎng)?王文濤,瞿棟,祝川.  上海大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[8]PCL庫(kù)點(diǎn)云統(tǒng)計(jì)去噪算法的應(yīng)用研究[J]. 羅方燕.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2016(26)
[9]CCS《智能船舶規(guī)范》六大功能模塊要求[J]. 賀辭.  中國(guó)船檢. 2016(03)
[10]數(shù)據(jù)挖掘中的聚類算法綜述[J]. 賀玲,吳玲達(dá),蔡益朝.  計(jì)算機(jī)應(yīng)用研究. 2007(01)

碩士論文
[1]基于三維激光點(diǎn)云數(shù)據(jù)的船舶靠泊監(jiān)測(cè)技術(shù)[D]. 閆曉飛.大連海事大學(xué) 2017
[2]融合相機(jī)和激光雷達(dá)的行人檢測(cè)與跟蹤算法研究[D]. 汪君.國(guó)防科學(xué)技術(shù)大學(xué) 2015



本文編號(hào)：3461453