【摘 要】
：
随着无人驾驶领域的发展,无人艇（Unmanned Surface Vehicle,USV）作为水面无人系统的载体倍受大众关注,在集群控制、任务分配、目标识别与跟踪、路径规划与导航等领域具有重要的应用价值。良好的感知能力是无人艇执行高阶任务的前提,因而需装备多类传感器。由于激光点云包含丰富的位置信息,且能够满足全天候的采样需要,所以本文根据激光雷达提供的观测数据,以三维点云为主要研究对象,发掘目标的
论文部分内容阅读
随着无人驾驶领域的发展,无人艇（Unmanned Surface Vehicle,USV）作为水面无人系统的载体倍受大众关注,在集群控制、任务分配、目标识别与跟踪、路径规划与导航等领域具有重要的应用价值。良好的感知能力是无人艇执行高阶任务的前提,因而需装备多类传感器。由于激光点云包含丰富的位置信息,且能够满足全天候的采样需要,所以本文根据激光雷达提供的观测数据,以三维点云为主要研究对象,发掘目标的几何位置特征,提出三维点云的识别模型,并通过滤除其中的无关数据和噪声提高识别效果,主要研究内容如下:针对水面目标点云的常见噪声,本文分析了离群点的来源和特征,提出了能够自适应选择K值的邻域密度去噪算法。通过KD-Tree（K Dimensional-Tree）建立二叉树索引结构,进而根据邻域密度检测其中密度区别显著的离群点,最后计算局部平面距离因子以检测并去除密度区别不显著的离群点。为滤除三维点云中的高斯噪声,本文提出了基于迭代更新的时序点云滤波方法,在卡尔曼滤波中加入邻域均值项,并将其应用于配准后点云数据的最优估计。实验证明上述算法能够有效检测点云中的离群点和粘连点,并滤除点云中的高斯噪声,达到平滑数据、提高点云质量的效果。针对三维点云的无序性,本文提出了基于栅格化与压缩的点云预处理方法,以生成可用于训练卷积神经网络的多通道点云深度图像,并在模型输入侧融入表达尺度的通道,以提升其对多尺度点云的学习效果。为解决三维点云的稀疏性问题,本文提出了基于注意力机制的优化模型,其中卷积核的权重由子空间内的点集数量决定,得益于这一机制,卷积核能够注意权重较大范围内的学习。该训练模型在自制数据集中达到了99.93%的正确率和0.9923的F1分数,在公开的悉尼城市物体数据集中达到了90.56%的正确率和0.8924的F1分数,并且运行速度较快,可以满足无人艇实时识别的需要。
其他文献
卷积神经网络容易受到对抗样本的攻击,并且由某一卷积神经网络生成的对抗样本可对其他卷积神经网络产生攻击效果。对抗样本的存在及其可迁移性严重威胁到了现实世界中应用深度卷积神经网络的系统。研究如何生成高迁移性对抗样本,可以为构建鲁棒模型提供参考,以及促进深度学习模型可解释性的发展。迁移性对抗样本生成算法分为两种,一种基于输入变换,一种基于动量累积。现有基于输入变换的方法多采用全局特征视角,缺乏局部特征视
近年来,全世界环境问题日益严峻,已开始影响人们的日常生活。各国政府相继采取措施来限制碳排放,鼓励低碳可持续经济的发展。消费者的环保意识也随之提高,除了产品的价格,也开始关注产品的低碳水平。这种情况下,传统的仅优化经济目标的供应链已经无法适应如今的市场环境。因此,将环境因素和消费者的偏好转变纳入供应链网络设计中已成为必要选择。本文在供应链的生产、运输、零售和回收等环节考虑了碳排放,构建了多产品、多周
随着工业化生产的快速发展,资源短缺的问题逐渐被政府与企业重视起来,再制造闭环供应链系统也受到了越来越多的关注。企业为了更好地做出最优决策,往往会在制定生产计划时考虑自身的产能约束。同时,为了实现资源的充分利用,闭环供应链中的逆向回收过程成为了研究重点。在回收过程中,企业致力于通过不同的回收渠道与回收决策来提高回收率。由于环境污染问题的日益严峻,对碳排放的管制同样成为了政府与企业亟待解决的问题。在上
超声成像,因为具有实时性好、成本低、无创等优势,在医学诊断中有着广泛的应用。为了帮助医生做出高效客观的分析和诊断,需要使用图像分割技术对医学超声图像中的关键目标进行定位和提取。近年来,深度神经网络的蓬勃发展,带动了图像分割领域的进步,推动了计算机辅助诊断系统的发展。然而,与其他的成像方式不同,受超声成像原理和成像设备的影响,超声图像存在着目标不显著、尺度变化大的问题,并受到散斑噪声的干扰。这些问题
遥感图像配准作为一项关键且基础的技术在遥感领域有着重要的作用,如几何校正、图像融合、图像拼接和变化检测等。对于时间跨度较大的待配准图像存在以下问题:首先当前深度学习方法难以提取百万像素级别的高分辨率待配准图像的特征信息。其次由于待配准图像的成像时间不同,同时伴随着成像设备、拍摄角度、气候条件等不同,导致获取的图像存在地物变化、亮度不同、角度变化等情况,导致待配准图像可配准区域减少,配准精度下降。本
得益于在分布式控制、智能电网、大规模机器学习以及许多其它领域的应用前景,分布式优化已成为控制领域最为活跃的研究方向之一。本文基于原始-对偶梯度法,包括其连续时间形式——原始-对偶梯度动力学和离散时间形式——原始-对偶梯度算法,对一类带有耦合等式约束和局部集合约束的分布式约束耦合优化问题（下面简称P）进行了深入研究:首先,针对P的特例（不存在局部集合约束）设计了一种增广原始-对偶梯度动力学并分析了其
语义地图除了具有场景的几何结构信息外,还能提供高层次的物体语义理解,在越来越多的三维视觉场景任务如增强现实、人机交互、无人驾驶等中得到应用。语义地图需要从场景中推理出相关知识或语义,这离不开语义分割。语义分割在深度学习的推动下迅速发展,成为三维场景理解的基础,是机器视觉领域重点研究技术之一。基于深度学习的语义分割与语义建图算法还有诸多挑战,一方面,语义分割精度和实时性还存在提升空间;另一方面,语义
多智能体系统一致性的研究有助于揭示群体智能的内部机制,相关成果在民用、军事领域具有广泛的应用前景,例如协同编队、分布式优化和分布式观测等。智能体之间的信息共享是系统到达一致的一个重要条件。实际场景中,由于存在环境噪声或测量误差等不利因素,智能体之间往往不能准确地获取其邻居信息;在社交网络中,由于受到同伴压力或社会认同等因素的影响,个体往往不会表达自己真实的观点,而是表达一个修饰后的观点。基于上述考
目的 探析综合性康复治疗对头颈部肿瘤患者放疗后情绪、体力与生活质量影响。方法 选取97例头颈部肿瘤患者作为研究对象,根据收治时间先后分为常规组（49例）和综合组（48例）。常规组采用常规康复治疗,综合组在常规组基础上采用综合性康复治疗。比较两组治疗前后焦虑、抑郁评分,治疗前后患者提供的主观整体营养状况评估量表（PG-SGA）评分、体质量,治疗前后非利手握力、生命质量测定量表（QLQ-C30）评分。
随着无人系统技术的不断发展,不同类型的无人系统相互跨域协同凭借其明显的优势已经成为了当前无人系统技术研究和应用的热点领域。无人机搭配无人艇水空跨域协同作业可有效的将海洋的监测、感知维度从二维拓展到三维,赋予在海洋上跨域无人系统集群的立体监测和巡逻侦察的能力。本文对无人艇和无人机水空跨域协同编队技术展开了研究,并开展了仿真与物理实验工作,具体内容如下:首先,研究了无人艇编队问题。依据领导跟随法的编队