基于双目视觉的无人船水面障碍物检测研究.pdfVIP

摘要

摘要

我国城市与农村河道数量众多，水面目标种类繁多，在船只航行过程中需要人工对

航行水面进行监视并及时进行避障决策，在这一过程中人为因素导致的失误会影响船只

航行安全，因此对水面目标进行自动检测的无人设备有着广泛的应用前景。激光雷达等

设备虽能精确地探测无人船与前方障碍物的距离，但难以辨别障碍物具体种类，无人船

在航行过程中遇到不同类型障碍物时，难以及时做出正确决策，从而影响无人船的自主

航行能力。针对以上问题，本文基于双目相机及小型无人船设备对水面障碍物检测方法

展开研究，主要研究内容如下：

（1）研究了双目视觉测距的方法，通过相机标定、立体匹配等模块获取双目图像

的深度信息。针对标定模块采用基于神经网络的标定方法，此方法简单有效且能够灵活

适用于多种场景的标定；针对立体匹配模块，采用基于Semi-GlobalBlockMatching的

半全局立体匹配方法，实验结果表明，匹配精度得到较大提升。使用本文搭建的双目测

距模块进行物体距离测量，相对误差在2%之内，满足无人船水上目标测距的实际要求。

（2）提出了针对水面目标改进的YOLOv5目标检测算法。针对常见水雾情况，引

入基于暗通道的去雾模块，提高对复杂天气下水面目标的识别鲁棒性；针对原有锚框数

据不完全适用于水面数据集的问题，改进传统K-means聚类方法，从而提高锚框与水面

目标的适配性；针对水面场景复杂、多目标混杂导致检测精度不理想的情况，在骨干网

络中设计ConvolutionalBlockAttentionModule注意力机制模块，来提高算法对重点目标

信息的关注度，提高计算资源分配效率；针对目测框冗余与目标重叠问题，在非极大值

抑制处理时采用D-IOU度量。实验结果表明，算法整体改进后在性能指标mAP@.5方

面相较于原始算法提高7.7%。

3JetsonTX2,

（）设计并搭建了基于无人船水面障碍物检测系统。为便于实际部署

本文在YOLOv5的颈部网络中引入GS瓶颈层、VoV-GSCSP模块进行轻量化改进，实

验结果表明，最终模型大小减少27.1%，参数量减少23.6%，浮点运算量减少19.4%。

选取不同水面场景进行系统应用，实验结果表明，基于双目视觉的无人船障碍物检测系

统能够实时、准确检测水面障碍物，具有一定的实用性和可行性，在无人船水面目标领

域具有广阔的应用前景。

YOLOv5JetsonTX2

关键词：双目视觉；目标检测；；

I

摘要

II

Abstract

Abstract

DuetothecomplexsituationofurbanandruralriversinChinaandthevarioustypesof

surfacetargets,itisnecessarytomonitorthenavigationsurfaceandmaketimelyobstacle

avoidancedecisionsintheprocessofshipnavigation.However,subjectiveerrorscausedby

manuallymonitoringwillaffectthesafetyofshipnavigation.Therefore,thesurfacetarget

automaticdetectionofunmannedequipmenthasawideapplicationprospect.Althoughsome

traditionalequipmentsuchasLiDARcanac