基于视觉的水面无人艇目标识别与路径规划研究.pdfVIP

基于视觉的水面无人艇目标识别与路径规划研究

摘要

水面无人艇（UnmannedSurfaceVehicles，USV）作为无人化与智能化的平台，在现

代军事领域与民用领域发挥着重要作用。但由于海面环境较为复杂，尤其是部分障碍物

目标较小且存在遮挡问题，影响目标检测精度及目标跟踪效果，进而导致水面无人艇路

径规划受到干扰。如果能够提高水面无人艇目标检测与目标跟踪的精度，同时结合水面

无人艇的运动学约束进行路径规划，将会提高水面无人艇的自主航行能力，保障水面无

人艇安全完成各类海上任务。本文将以水面无人艇为研究对象，针对水面无人艇目标检

测，目标跟踪及路径规划算法进行研究，具体内容如下：

首先，为解决传统目标检测算法中小目标检测精度低的问题，提出一种结合混合域

注意力机制（ConvolutionalBlockAttentionModule,CBAM）的CBAM-YOLOX算法。

特征提取阶段，在浅层特征图上使用CBAM模块聚焦小目标信息；网络训练阶段，使

用Focalloss损失函数回归目标的置信度，克服单阶段目标检测算法中正负样本不平衡

问题；后处理阶段，采用软非极大值抑制（SNMS）算法进行筛选，解决近距离水面无

人艇目标检测中的漏检问题。实验结果表明：相较于传统目标检测算法，所提算法的平

均精准度获得显著提升。

其次，针对于水面无人艇目标跟踪中的遮挡问题，基于数据重关联算法进行水面无

人艇多目标跟踪。根据CBAM-YOLOX算法的检测结果，按照被检测目标的置信度进行

目标检测框的划分，将目标划分为高置信度目标检测框和低置信度目标检测框，在保留

高分检测结果的同时，从低分检测结果中挖掘出易丢失的信息；采用线性插值后处理方

式，解决水面无人艇多目标跟踪中长时间遮挡所导致的目标ID切换问题，保证目标跟

踪的连续性。实验结果表明：相较于传统目标跟踪算法，所提算法在遮挡情况下的目标

跟踪效果获得显著提升。

最后，针对于水面无人艇路径规划中的约束问题及局部最优问题，提出模型预测人

工势场算法（MPC-APF）。该算法针对于不同大小障碍物重新设计势场函数，结合人工

势场模型及水面无人艇运动学模型，使用模型预测策略进行非线性在线求解，完成水面

无人艇的路径规划。实验结果表明：在满足水面无人艇运动学约束的前提下，该算法相

较于传统人工势场法而言，能够解决局部最优问题，验证了所提算法的有效性。

关键词：水面无人艇；目标检测；目标跟踪；路径规划

基于视觉的水面无人艇目标识别与路径规划研究

Abstract

UnmannedSurfaceVehicles(USV),asanunmannedandintelligentplatform,playan

importantroleinmodernmilitaryandcivilianfields.However,duetothecomplexseasurface

environment,especiallysomeoftheobstaclesaresmallandobscured,whichaffectsthetarget

detectionaccuracyandtargettrackingeffect,andthenleadstotheinterferenceofUSVpath

planning.IfwecanimprovetheaccuracyoftargetdetectionandtargettrackingofUSV,andat

thesametimecombinethekinematicconstraintsofUSVforpathplanning,wewillimprove

theautonomousnavigationcapabilityofUSVandensurethatUSVcansafelycompletevarious

maritimetasks.Inthispaper,targetdetection,targettrackin