关键词： 多模态数据   多无人机协同   主动感知   目标检测  

摘要： 为解决现阶段单无人机目标检测过程中存在的探测视场有限、目标易被遮挡、单一光源图像信息薄弱等问题,提升无人机可靠、高效的感知计算能力,提出一种面向多无人机协同的多模态目标检测方法。首先,研究可见光和红外融合的多模态目标检测算法,提出了由视觉任务驱动的基于卷积融合网络的双光融合模型,将融合图像经过语义分割网络的结果反馈给融合网络,通过对融合网络参数的迭代训练出损失较小的双光图像融合模型。然后对融合后的图像输入视觉感知增强模块进行图像增强,消除了不良光照条件对图像质量的影响,提升了目标细节特征保持性,并在MSRS数据集验证了算法的有效性。此外,面向多无人机协同检测提出了基于分布式生物感知处理的主动感知流程,通过无人机在被感测目标位置计算检测置信度并通过释放信息素来分配主机和从机的检测优先级,完成多无人机协同检测任务的引导策略,实现不同光照条件下非结构化地面场景的目标检测。实验结果表明,该算法在无人机载智能边缘计算平台RK3588上具有56.55 ms延迟和45.84 fps的推理速度,能准确检测地面场景布设的典型军事目标,平均检测精度达到78.5%。

关键词： 道路病害检测   YOLOv8   目标检测   Wise-IoU损失函数   可变形卷积DCNv3  

摘要： 随着道路运营时间的增加,在行车荷载和自然因素的反复作用下,道路状况恶化,影响其使用寿命和服务质量,因此本文提出一种基于改进YOLOv8的道路病害检测方法。首先,结合道路病害图像特点,针对性地进行图像翻转、光照条件变化、运动模糊操作来进行数据增强;而后将Wise-IoU作为损失函数,其采用一种动态非线性聚焦机制,通过使用离群值而不是IoU来评估锚点盒的质量,并提供明智的梯度增益分配策略,平衡病害类别之间的样本数量差异,提高检测器的整体性能;其次,通过用DCNv3替换部分C2F模块,采用卷积神经元间共享权重降低计算复杂度,能够更好地学习到道路病害图像中的特征,同时引入多组机制,并使用沿采样点的Softmax归一化,增强模型对道路病害图像的理解能力。实验结果表明,改进的YOLOv8的道路病害检测算法在测试网络模型上可以达到准确率为77.3%,比YOLOv8提高了3.9个百分点;mAP@50达到76.9%,比YOLOv8提高了3.4个百分点,该模型能够准确、高精度地检测出道路病害,优于已有的道路病害检测算法,可以较好地应用于工程中。

关键词： 扩展卡尔曼滤波器   非线性   目标跟踪  

摘要： 卡尔曼滤波本质是一种时间递推的方法,是一个“预测”过程和“更新”过程。该方法在目标跟踪、制导等方面有较广的应用。卡尔曼滤波方法能够较好的处理线性模型,但很多实际问题与工程问题是非线性问题,常规的卡尔曼滤波方法并不适用这类问题。本文以常规卡尔曼滤波方法为基础,推导并给出了扩展卡尔曼滤波的实现过程及完整算法流程,通过对非线性函数进行泰勒展开,保留展开式一阶项,从而将非线性问题近似线性化处理,使得该算法能够处理非线性问题。本文不仅给出了完整的扩展卡尔曼算法框图,使该算法的实现过程更加清晰,并且通过数值模拟证明了该算法处理非线性问题的可行性和有效性,这为使用该算法进行实际工程应用奠定了一定的基础。

关键词： 同步定位与建图   动态物体   特征匹配   目标检测网络   位姿估计  

摘要： 搭载在移动机器人上的同步定位与建图(simultaneous localization and mapping,SLAM)系统在实际环境中,时常因动态物体的影响而导致SLAM系统的定位精度低,严重时会使相机定位位姿失败,基于此,提出一种YOLO(you only look once)动态目标检测网络与LK光流法相结合的RDFP-SLAM算法。该算法在视觉里程计线程中通过目标检测网络YOLOv5,对相机获取图像进行动态目标检测,再利用LK光流法判断预期动态目标检测框中真正的动态特征点并剔除,剩余静态特征点参与位姿估计及建图,最终在公开数据集TUM、KITTI和现实动态环境中进行实验测试。实验结果表明,RDFP-SLAM算法在多种视觉传感器及室内、室外不同环境的影响下,时间消耗相较于同类型的算法仍有大幅度减少,且有效提升了动态环境下特征提取的精度,该系统的鲁棒性、实时性和定位结果均得到优化。

关键词： 垂起无人机   自主降落   ArUco标识   着陆地标   图像处理   四面体  

摘要： 针对由RTK偏差引起的垂起无人机降落位置偏差问题,基于无人机吊舱视频流,提出了一种可实时辅助无人机降落的定位方法。设计了一种可根据着陆场地进行灵活部署,且可快速解算距离与偏差的合作地标;为降低光照不均、局部阴影遮挡等因素对ArUco标识检出与解码的影响,基于ArUco标识图像行列方向的极值的分布特征,设计了一种快速重构的方法;建立了无人机着陆的空间几何模型,并给出了相对位置的解算公式,将由降落位置引起的安全问题,转化为求解其投影是否在着陆安全域内的数学判断问题。实测数据表明,所设计的无人机降落定位方法,对相对位置的解算和自主降落时的安全预警,均具有一定的指导价值。

关键词： 目标检测   异物检测   YOLOv8n   坐标注意力机制   高分辨率网络   WIoU损失函数  

摘要： 针对当前隧道内异物检测存在人工巡检成本高、效率低等问题,提出一种基于改进YOLOv8n的隧道内异物检测算法。首先,提出融入坐标注意力(CA)机制的C2f_CA模块,通过将位置信息嵌入通道注意力,增强网络对图像在空间上的特征分布的关注,从而增强网络的特征提取能力;其次,借鉴高分辨率网络的思想,提出新的特征融合模块HRNet_Fusion(High Resolution Net)将提取的不同分辨率特征图作为4个并行分支输入网络,并经过多次上、下采样和融合操作得到全面且准确的特征信息,从而显著提升在小目标检测和特征信息融合方面的性能;最后,引入WIoU(Wise-IoU)损失函数降低低质量样本对网络的不良梯度影响,进一步提高模型的检测精度。实验结果表明,在隧道异物数据集上,改进算法的平均精度均值(mAP@0.5)为79.9%,模型大小为6.0 MB,与YOLOv8n算法相比,mAP@0.5提升了6个百分点,模型大小减少了0.2 MB,模型参数量减少了0.379×10~6。

关键词： 高光谱成像   空谱联合   Gabor滤波   约束能量最小化  

摘要： 高光谱图像目标检测技术在多个领域具有显著的应用潜力,为充分挖掘高光谱图像中丰富的空间和光谱信息,提出了一种结合Gabor滤波与约束能量最小化(constrained energy minimization,CEM)的高光谱图像目标检测方法Gabor-CEM。该方法充分结合了Gabor滤波器和CEM算法的优点,利用Gabor滤波器有效地提取高光谱图像的空间纹理和方向特征,为目标检测提供丰富的空间信息;凭借CEM算法对目标光谱信息的高效利用,对目标进行定位和识别。利用野外成像光谱仪拍摄的高光谱图像进行实验,结果表明,相较传统方法,Gabor-CEM方法能够更准确地检测出目标,降低误检率和漏检率,在目标检测任务中具有显著优势,为高光谱图像目标检测提供了一种新的有效途径。

关键词： 事件相机   动态视觉传感器   目标检测   目标跟踪   数据集  

摘要： 事件相机是一种受生物启发的新型视觉传感器,是计算神经科学与计算机视觉领域的交叉学科与研究热点。不同于传统相机,事件相机能够异步输出有关亮度变化的事件流,具有高时间分辨率、高动态范围、低延迟、低带宽和低功耗等优势,适合高速运动目标的动态实时感知,是计算机视觉检测与跟踪领域新的研究方向。首先,简要介绍了事件相机的类型、工作原理与优缺点;其次,着重分析了现有的基于事件相机的目标检测与跟踪算法;然后,介绍了视觉检测跟踪相关的事件数据集;最后,对该方向未来的发展趋势进行了展望。

关键词： 微纳技术   图像处理   青年科学家   信息光学   纤维光学   信息科学   光电跟踪   空间光学  

摘要： 中国光学开拓者之一王大珩院士亲自创办的新中国历史最悠久的光学期刊现任主编为国家级有突出贡献的青年科学家曹健林博士Benjamin J Eggleton,John Love等国际著名光学专家为本刊国际编委《光学精密工程》主要栏目有现代应用光学(空间光学.纤维光学、信息光学薄膜光学、光电技术及器件、光学工艺及设备、光电跟踪与测量、激光技术及设备);微纳技术与精密机械(纳米光学、精密机械);信息科学(图像处理、计算机应用与软件工程)等。

关键词： 智能车辆   环境感知   图像去雾   CycleGAN   目标检测   YOLOv8  

摘要： 针对极端雾霾天气条件下,智能车辆对道路环境感知识别精度降低的问题,提出了基于改进的CycleGAN和YOLOv8联合雾天环境感知算法。首先以CycleGAN算法为框架对图像进行去雾预处理,在生成器网络中引入自注意力机制提高网络的特征提取能力,同时为了减少与真实图像的色彩差异,引入自正则化颜色损失函数;其次,在目标检测部分,首先采用轻量化的GhostConv网络替换原主干网络,以降低计算量;而后,在颈部网络加入了GAM注意力机制,有效提高了网络对于全局信息的交互能力;最后,通过WIoU损失函数,减小低质样本所产生的有害梯度,提高模型的收敛速度。应用RESIDE数据集和BDD100k数据集对该算法进行实验验证。结果表明:去雾后图像与原图像的结构相似度为85%,相较于原CycleGAN算法和AODNet算法的峰值信噪比(PSNR)和结构相似性(SSIM)分别提高2.24 dB和15.4个百分点、2.5 dB和36.3个百分点。其中,改进的YOLOv8算法与原算法相比,其精确率、召回率和平均检测精度均值分别提升了2.5、1.8和1.1个百分点。实验结果验证了所提出算法的召回率和检测精度等方面优于传统算法,具有一定的实用价值。