CN110850403A - 一种多传感器决策级融合的智能船水面目标感知识别方法 - Google Patents

一种多传感器决策级融合的智能船水面目标感知识别方法 Download PDF

Info

Publication number
CN110850403A
CN110850403A CN201911125608.6A CN201911125608A CN110850403A CN 110850403 A CN110850403 A CN 110850403A CN 201911125608 A CN201911125608 A CN 201911125608A CN 110850403 A CN110850403 A CN 110850403A
Authority
CN
China
Prior art keywords
target
fusion
sensor
information
ship
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911125608.6A
Other languages
English (en)
Other versions
CN110850403B (zh
Inventor
武智强
刘乃道
董金发
朱少辉
邓丽辉
于晓龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
707th Research Institute of CSIC
Original Assignee
707th Research Institute of CSIC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 707th Research Institute of CSIC filed Critical 707th Research Institute of CSIC
Priority to CN201911125608.6A priority Critical patent/CN110850403B/zh
Publication of CN110850403A publication Critical patent/CN110850403A/zh
Application granted granted Critical
Publication of CN110850403B publication Critical patent/CN110850403B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/66—Tracking systems using electromagnetic waves other than radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明涉及无人智能船舶领域，尤其是一种多传感器决策级融合的智能船水面目标感知识别方法，包括光学摄像机和多个传感器，所述传感器可采用摄像头、导航雷达、AIS、激光雷达中的任意两个即以上，包括如下步骤，首先对传感器内外参数进行标定；然后，根据导航雷达ARPA目标、AIS目标与激光雷达检测的目标结果，设计了多传感器目标决策级融合的匹配融合方法，获得水面目标在世界坐标系的位置；最后，根据前视相机图像识别结果方位角重合度匹配融合目标与前方危险目标类别识别结果。通过各传感器优势互补，从而获得高鲁棒性的环境感知与障碍物检测识别工作，为智能船自主航行避碰、目标跟踪提供保障。

Description

一种多传感器决策级融合的智能船水面目标感知识别方法
技术领域
本发明涉及无人智能船舶领域，尤其是一种多传感器决策级融合的智能船水面目标感知识别方法。
背景技术
水面无人船作为一种可扩展的水面任务平台，其工作环境复杂、区域未知度高。全天候，长时间，高适应，高鲁棒的全自动目标检测、识别、跟踪，是保证其安全航行与执行任务的关键技术。无人船平台在进行环境感知和目标识别时，使用的主要手段是雷达、AIS和光电成像设备等，但这些方法均具有一些局限性。
首先是海面环境适应性问题，一是小吨位无人船相比于其他无人智能系统典型特点是在高海况时平台高动态性，目标晃出传感器探测范围造成检测和跟踪的失败，特别是高程变化影响光学系统的目标距离解算精度；二是海上环境复杂多变，雨雾天气概率大，影响传感器探测效果，造成光学设备图像的分析和判断的困难。
其次是传感器自身存在局限性，导航雷达探测距离远但近距离存在盲区，探测频率低，小目标和快速目标捕获跟踪比较困难；光电系统分辨力高，可以分辨目标特性，但目标测距误差较大，环境适应能力存在局限；激光雷达可以获取目标精确的距离信息和三维轮廓信息，但不具备远距离的探测能力、垂直分辨率及高海况时帧间目标统一较难完成。
当前在多传感器协同和信息融合方面的研究开展较少，尚欠缺成熟的方法。需要根据无人智能船感知探测传感器的特点及应用场景的需求，针对传感器特性，设计基于多传感器优势互补的联合感知方法。
发明内容
本发明的目的在于弥补现有船舶在水面目标探测中各个传感器检测范围和精度的局限，提升海上的复杂环境适应性，提供一种多传感器决策级融合的智能船水面目标感知识别方法。
本发明采取的技术方案是：
一种多传感器决策级融合的智能船水面目标感知识别方法，包括光学摄像机，其特征在于：还包括多个传感器，所述传感器可采用摄像头、导航雷达、AIS、激光雷达、毫米波雷达中的任意两个及以上，包括如下步骤：
步骤1，利用标定板标定光学摄像机内参，测定各个传感器到本船坐标系的旋转和平移矩阵；
步骤2，根据各传感器观测目标信息和本船相应时刻的位置姿态估算信息，解算目标在本船坐标系下的相对位置速度与大地坐标系下的经纬度和对地速度；
步骤3，根据本船定位信息，读取数据库中与本船距离5NM的静态障碍物先验信息输入目标融合模块；
步骤4，将解算后的目标信息输入目标融合模块，通过滤波对已跟踪的融合目标预测实现与观测目标时空同步；
步骤5，维护融合目标池，采用最小距离成本匹配观测目标和融合目标，并更新融合目标信息；依据未融合的观测目标建立新的融合目标加入跟踪目标序列，移除丢失原融合目标；
步骤6，根据光学摄像头目标方位信息，将船艏90°视场内的融合目标与图像识别结果根据方位角范围重叠度和目标类型置信度进行匹配；
步骤7，依据传感器优先级定义发布融合后的目标列表以及目标的置信度评价，并在数据库存储静态目标的经纬度信息。
进一步的，所述步骤2中，各传感器和目标融合模块均采用定位模块授时信息，在本船位置姿态信息由于发送频率低于50Hz时，可以通过线性插值估计特定时间戳的位姿信息。
进一步的，所述步骤3中，所述的时空同步采用卡尔曼滤波算法，通过卡尔曼滤波根据融合目标的位置和速度对融合目标进行预测,具体为观测时刻某个目标的状态，可以通过6维向量
Figure BDA0002276733760000021
既x，y两个方向上的相对位置、速度、加速度去刻画目标。
进一步的，所述步骤4中，采用并行融合方案，即各个传感器的目标感知模块单独完成目标检测流程，分别检测出各自的疑似目标信息；通过维护融合目标池，以各个感知模块的目标输入做触发，根据对地平均速度阈值划分动静态目标；通过鲁棒卡尔曼滤波器采用线性恒定运动速度模型，完成感知模块观测目标和融合模块融合跟踪目标间的时间同步，获得相同时空坐标下的感知观测目标和融合跟踪目标。
进一步的，所述步骤5中，所述融合目标由数据库中已记录的静态目标先验信息初始化，通过各个传感器之前的观测结果经融合算法更新，融合目标信息包括跟踪id、跟踪时长、最后跟踪时间与各个传感器的分别的目标检测信息。
本发明的优点和积极效果是：
本发明中，首先对传感器内外参数进行标定；然后，根据导航雷达ARPA目标、AIS目标与激光雷达检测的目标结果，设计了多传感器目标决策级融合的匹配融合方法，获得水面目标在世界坐标系的位置；最后，根据前视相机图像识别结果方位角重合度匹配融合目标与前方危险目标类别识别结果。通过各传感器优势互补，从而获得高鲁棒性的环境感知与障碍物检测识别工作，为智能船自主航行避碰、目标跟踪提供保障。
本发明中，激光雷达与导航雷达具有主动传感器的优点，能够全天候，全方位进行障碍物信息获取。激光雷达侧重船只近距离的高更新率障碍物信息获取，导航雷达负责远距离，大量程的障碍物信息获取。采用前视光学传感器，完成环境理解工作，进行航向方向的目标检测与识别。最后对多个传感器的信息进行融合，优势互补，实现高鲁棒性的环境感知与障碍物检测识别。
本发明中，通过观测结果更新卡尔曼滤波器预测参数，收集目标跟踪的置信度，从而提升卡尔曼滤波运动估计鲁棒性和平滑度。考虑到无人船实际场景感知设备存在盲区和遮挡，并且在高海况时由于船体晃动幅度超过传感器探测范围等原因。在匹配过程中采用级联匹配的策略，通过记录每个融合目标从上一次成功匹配到当前的时间，给观测频率更高的目标分配更高的优先级，从而解决目标被遮挡时，两个融合跟踪目标同时竞争一个观测目标，卡尔曼滤波器无法正常更新的问题。由于各个传感器事先进行了静态标定和惯导坐标对齐，利用时-空的相关性和连续性，通过在目标融合模块内部建立和维护一组融合跟踪目标池分别各个传感器获得的观测目标进行比对和关联，有效消除虚警和漏检，通过传感器互补丰富目标信息，最后输出融合后的目标列表。
本发明中，本融合方案属于决策级融合，为适应传感器探测周期和探测距离不同，采用并行融合方案，即各个传感器目标感知模块单独完成目标检测流程，分别检测出各自的疑似目标信息，融合算法通过各传感器的目标信息完成融合。本发明实现异源传感器决策级融合，采用多传感器融合的方式进行整体智能船环境感知。通过信息融合解决不同探测能力范围、探测周期、运行机理传感器感知探测差异。本发明实现简单、容易实现，通过模拟障碍物实船验证结果表明，能够获得高鲁棒性的环境感知与障碍物检测识别工作。
附图说明
图1是本发明融合方法的整体流程；
图2是本发明的传感器协同探测区域示意图；
图3是本发明的融合目标管理流程；
图4是本发明雷达、激光雷达与摄像头的探测结果与基于电子海图的融合目标验证效果图。
具体实施方式
下面结合实施例，对本发明进一步说明，下述实施例是说明性的，不是限定性的，不能以下述实施例来限定本发明的保护范围。
本发明采取的技术方案是：
一种多传感器决策级融合的智能船水面目标感知识别方法，本发明的创新在于，如图2所示，采用光学摄像机、导航雷达、激光雷达融合的方式进行无人船水面目标检测识别的各个传感器检测区域，传感器探测范围相互重叠。
所述识别方法的流程如图1所示，包括如下步骤：
步骤1，利用标定板标定光学摄像机内参，测定各个传感器到本船坐标系的旋转和平移矩阵；
步骤2，根据各传感器观测目标信息和本船相应时刻的位置姿态估算信息，解算目标在本船坐标系下的相对位置速度与大地坐标系下的经纬度和对地速度；
步骤3，根据本船定位信息，读取数据库中与本船距离5NM的静态障碍物先验信息输入目标融合模块；
步骤4，将解算后的目标信息输入目标融合模块，通过滤波对已跟踪的融合目标预测实现与观测目标时空同步；
步骤5，采用最小距离成本匹配观测目标和融合目标，并更新融合目标信息；依据未融合的观测目标建立新的融合目标加入跟踪目标序列，移除丢失原融合目标；
步骤6，根据光学摄像头目标方位信息，将船体90°视场内的融合目标与图像识别结果根据方位角范围重叠度和目标类型置信度进行匹配；
步骤7，依据传感器优先级定义发布融合后的目标列表以及目标的置信度评价，并在数据库存储静态目标的经纬度信息。
本实施例中，所述步骤2中，各传感器和目标融合模块均采用定位模块授时信息，在本船位置姿态信息由于发送频率低于50Hz时，可以通过线性插值估计特定时间戳的位姿信息。
本实施例中，所述步骤3中，所述的时空同步采用卡尔曼滤波算法，通过卡尔曼滤波根据融合目标的位置和速度对融合目标进行预测,具体为观测时刻某个目标的状态，可以通过6维向量
Figure BDA0002276733760000051
既x，y两个方向上的相对位置、速度、加速度去刻画目标。
本实施例中，所述步骤4中，包括如下步骤。根据惯导获得本船位姿信息对传感器输出的探测结果进行空间对齐，具体为根据各个感知模块获得的目标运动状态和相应时间戳对应的惯导位姿矩阵，经旋转平移变换到惯导坐标系惯性空间的绝对位置，完成各个传感器目标的空间对齐。该步骤采用并行融合方案，即各个传感器的目标感知模块单独完成目标检测流程，分别检测出各自的疑似目标信息；通过维护融合目标池，以各个感知模块的目标输入做触发，根据对地平均速度阈值划分动静态目标；通过鲁棒卡尔曼滤波器采用线性恒定运动速度模型，完成感知模块观测目标和融合模块融合跟踪目标间的时间同步，获得相同时空坐标下的感知观测目标和融合跟踪目标。
所述步骤4中，应用匈牙利最小成本运动一致性匹配算法，其成本估计根据目标运动速度区分，对运动目标采用观测目标与融合预测目标间的船体坐标，通过欧式中心距估计，对静态目标采用经纬度切线距离确定。进一步地，通过匹配后的目标观测值完成对步骤3相应融合目标卡尔曼滤波器的更新。
其中，所述匹配成本采用当前感知目标输入和融合跟踪目标之间的运动一致性计算，具体通过位置和速度矢量的距离特征向量完成：
Figure BDA0002276733760000061
其中，Si是第i个融合目标当前观测时间的协方差矩阵，dj是当前观测时刻第j个目标的运动的状态向量。
本实施例中，所述步骤5中，所述融合目标由数据库中已记录的静态目标先验信息初始化，通过各个传感器之前的观测结果经融合算法更新，融合目标信息包括跟踪id、跟踪时长、最后跟踪时间与各个传感器的分别的目标检测信息。
本实施例中，所述步骤6中，通过目标融合模块，视觉传感器输入信息不生成新的融合目标，仅通过目标方位角范围重合度做浅融合。
本实施例中，所述步骤7中，传感器优先级根据传感器精度和检测范围共同确定，上述传感器优先级顺序为激光雷达、导航雷达、AIS。决策方法为：当优先级较高的传感器多个检测周期无目标输出时，依次选取低优先级传感器目标触发融合目标发布。根据不同传感器的探测置信度和融合目标的预测置信度判断，依据传感器优先级向后续的航迹规划模块发布当前融合目标的具体信息。

Claims (5)

1.一种多传感器决策级融合的智能船水面目标感知识别方法，包括光学摄像机，其特征在于：还包括多个传感器，所述传感器可采用摄像头、毫米波雷达、导航雷达、AIS、激光雷达中的任意两个及以上，包括如下步骤：
步骤1，利用标定板标定光学摄像机内参，测定各个传感器到本船坐标系的旋转和平移矩阵；
步骤2，根据各传感器观测目标信息和本船相应时刻的位置姿态估算信息，解算目标在本船坐标系下的相对位置速度与大地坐标系下的经纬度和对地速度；
步骤3，根据本船定位信息，读取数据库中与本船距离5NM的静态障碍物先验信息输入目标融合模块；
步骤4，将解算后的目标信息输入目标融合模块，通过滤波对已跟踪的融合目标预测实现与观测目标时空同步；
步骤5，维护融合目标池，采用最小距离成本匹配观测目标和融合目标，并更新融合目标信息；依据未融合的观测目标建立新的融合目标加入跟踪目标序列，移除丢失原融合目标；
步骤6，根据光学摄像头目标方位信息，将船艏90°视场内的融合目标与图像识别结果根据方位角范围重叠度和目标类型置信度进行匹配；
步骤7，依据传感器优先级定义发布融合后的目标列表以及目标的置信度评价，并在数据库存储静态目标的经纬度信息。
2.根据权利要求1所述的一种多传感器决策级融合的智能船水面目标感知识别方法，其特征在于：所述步骤2中，各传感器和目标融合模块均采用定位模块授时信息，在本船位置姿态信息由于发送频率低于50Hz时，可以通过线性插值估计特定时间戳的位姿信息。
3.根据权利要求1所述的一种多传感器决策级融合的智能船水面目标感知识别方法，其特征在于：所述步骤3中，所述的时空同步采用卡尔曼滤波算法，通过卡尔曼滤波根据融合目标的位置和速度对融合目标进行预测,具体为观测时刻某个目标的状态，可以通过6维向量
Figure FDA0002276733750000011
既x，y两个方向上的相对位置、速度、加速度去刻画目标。
4.根据权利要求1所述的一种多传感器决策级融合的智能船水面目标感知识别方法，其特征在于：所述步骤4中，采用并行融合方案，即各个传感器的目标感知模块单独完成目标检测流程，分别检测出各自的疑似目标信息；通过维护融合目标池，以各个感知模块的目标输入做触发，根据对地平均速度阈值划分动静态目标；通过鲁棒卡尔曼滤波器采用线性恒定运动速度模型，完成感知模块观测目标和融合模块融合跟踪目标间的时间同步，获得相同时空坐标下的感知观测目标和融合跟踪目标。
5.根据权利要求1所述的一种多传感器决策级融合的智能船水面目标感知识别方法，其特征在于：所述步骤5中，所述融合目标由数据库中已记录的静态目标先验信息初始化，通过各个传感器之前的观测结果经融合算法更新，融合目标信息包括跟踪id、跟踪时长、最后跟踪时间与各个传感器的分别的目标检测信息。
CN201911125608.6A 2019-11-18 2019-11-18 一种多传感器决策级融合的智能船水面目标感知识别方法 Active CN110850403B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911125608.6A CN110850403B (zh) 2019-11-18 2019-11-18 一种多传感器决策级融合的智能船水面目标感知识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911125608.6A CN110850403B (zh) 2019-11-18 2019-11-18 一种多传感器决策级融合的智能船水面目标感知识别方法

Publications (2)

Publication Number Publication Date
CN110850403A true CN110850403A (zh) 2020-02-28
CN110850403B CN110850403B (zh) 2022-07-26

Family

ID=69601715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911125608.6A Active CN110850403B (zh) 2019-11-18 2019-11-18 一种多传感器决策级融合的智能船水面目标感知识别方法

Country Status (1)

Country Link
CN (1) CN110850403B (zh)

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111523465A (zh) * 2020-04-23 2020-08-11 中船重工鹏力（南京）大气海洋信息系统有限公司 基于摄像机标定及深度学习算法的船舶身份识别系统
CN111611885A (zh) * 2020-05-07 2020-09-01 沃行科技(南京)有限公司 一种基于分散式架构多传感器后融合数据一致性的方法
CN111783905A (zh) * 2020-09-07 2020-10-16 成都安智杰科技有限公司 一种目标融合方法、装置、存储介质及电子设备
CN112287846A (zh) * 2020-10-30 2021-01-29 深圳市优必选科技股份有限公司 目标人物跟随方法、装置、可移动机器人及可读存储介质
CN112346485A (zh) * 2020-12-24 2021-02-09 华中光电技术研究所（中国船舶重工集团公司第七一七研究所） 一种光电跟踪控制方法、系统、电子设备及存储介质
CN112712549A (zh) * 2020-12-31 2021-04-27 上海商汤临港智能科技有限公司 数据处理方法、装置、电子设备以及存储介质
CN112733907A (zh) * 2020-12-31 2021-04-30 上海商汤临港智能科技有限公司 数据融合方法、装置、电子设备以及存储介质
CN112800349A (zh) * 2021-02-02 2021-05-14 中华人民共和国广东海事局 水上移动目标的运动状态获取方法、装置、设备和介质
CN112857360A (zh) * 2021-03-22 2021-05-28 哈尔滨工程大学 一种船舶航行多信息融合方法
CN112882059A (zh) * 2021-01-08 2021-06-01 中国船舶重工集团公司第七0七研究所 一种基于激光雷达的无人船内河障碍物感知方法
CN113219492A (zh) * 2021-03-30 2021-08-06 苏州市卫航智能技术有限公司 一种河道船舶行驶定位导航的方法及系统
CN113253619A (zh) * 2021-07-13 2021-08-13 北京海兰信数据科技股份有限公司 一种船舶数据信息的处理方法及装置
CN113484864A (zh) * 2021-07-05 2021-10-08 中国人民解放军国防科技大学 面向无人艇的航海雷达与光电吊舱协同环境感知方法
CN113534128A (zh) * 2020-10-21 2021-10-22 中国人民解放军空军预警学院 一种机载预警雷达海面机动舰船目标自适应跟踪方法
CN113610099A (zh) * 2021-08-26 2021-11-05 吉林大学 一种环境感知方法及系统
CN113627473A (zh) * 2021-07-06 2021-11-09 哈尔滨工程大学 基于多模态传感器的水面无人艇环境信息融合感知方法
CN113822297A (zh) * 2021-08-30 2021-12-21 北京工业大学 一种海上舰艇目标识别装置及方法
CN113917930A (zh) * 2021-11-11 2022-01-11 中国船舶重工集团公司第七一九研究所 一种基于感知数据的无人船航行状态控制方法
CN114035187A (zh) * 2021-10-26 2022-02-11 北京国家新能源汽车技术创新中心有限公司 一种自动驾驶系统的感知融合方法
WO2022242465A1 (zh) * 2021-05-21 2022-11-24 魔门塔(苏州)科技有限公司 一种多传感器数据的融合方法及装置
CN115453504A (zh) * 2022-08-02 2022-12-09 珠海云洲智能科技股份有限公司 一种目标探测方法、目标探测装置及电子设备
CN116055689A (zh) * 2023-03-29 2023-05-02 中国人民解放军军事科学院国防科技创新研究院 一种水下大型潜航器水面观测系统及观测方法
CN116358561A (zh) * 2023-05-31 2023-06-30 自然资源部第一海洋研究所 基于贝叶斯多源数据融合的无人船障碍物场景重构方法
WO2023240805A1 (zh) * 2022-06-13 2023-12-21 之江实验室 一种基于滤波校正的网联车超速预警方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102303605A (zh) * 2011-06-30 2012-01-04 中国汽车技术研究中心 基于多传感器信息融合的碰撞及偏离预警装置及预警方法
CN106094569A (zh) * 2016-07-06 2016-11-09 西北工业大学 多传感器融合无人机感知与规避仿真系统及其仿真方法
CN106210484A (zh) * 2016-08-31 2016-12-07 上海鹰觉科技有限公司 水域监视多元联合感知装置及其感知方法
CN107577230A (zh) * 2017-08-16 2018-01-12 武汉理工大学 一种面向无人船的智能避碰系统
CN108416361A (zh) * 2018-01-18 2018-08-17 上海鹰觉科技有限公司 一种基于海域监视的信息融合系统以及方法
WO2019114757A1 (zh) * 2017-12-15 2019-06-20 蔚来汽车有限公司 多传感器目标信息融合的优化方法及装置、计算机设备和记录介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102303605A (zh) * 2011-06-30 2012-01-04 中国汽车技术研究中心 基于多传感器信息融合的碰撞及偏离预警装置及预警方法
CN106094569A (zh) * 2016-07-06 2016-11-09 西北工业大学 多传感器融合无人机感知与规避仿真系统及其仿真方法
CN106210484A (zh) * 2016-08-31 2016-12-07 上海鹰觉科技有限公司 水域监视多元联合感知装置及其感知方法
CN107577230A (zh) * 2017-08-16 2018-01-12 武汉理工大学 一种面向无人船的智能避碰系统
WO2019114757A1 (zh) * 2017-12-15 2019-06-20 蔚来汽车有限公司 多传感器目标信息融合的优化方法及装置、计算机设备和记录介质
CN108416361A (zh) * 2018-01-18 2018-08-17 上海鹰觉科技有限公司 一种基于海域监视的信息融合系统以及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HANSHAN LI: "Research on Target Information Fusion Identification Algorithm in Multi-Sky-Screen Measurement System", 《IEEE SENSORS JOURNA》 *
孙宁: "基于多源信息融合的智能汽车环境感知技术研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 *
熊璐琦等: "基于多传感融合的室内行径角度纠偏系统", 《计算机工程与设计》 *

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111523465A (zh) * 2020-04-23 2020-08-11 中船重工鹏力（南京）大气海洋信息系统有限公司 基于摄像机标定及深度学习算法的船舶身份识别系统
CN111523465B (zh) * 2020-04-23 2023-06-27 中船鹏力(南京)大气海洋信息系统有限公司 基于摄像机标定及深度学习算法的船舶身份识别系统
CN111611885A (zh) * 2020-05-07 2020-09-01 沃行科技(南京)有限公司 一种基于分散式架构多传感器后融合数据一致性的方法
CN111783905A (zh) * 2020-09-07 2020-10-16 成都安智杰科技有限公司 一种目标融合方法、装置、存储介质及电子设备
CN113534128A (zh) * 2020-10-21 2021-10-22 中国人民解放军空军预警学院 一种机载预警雷达海面机动舰船目标自适应跟踪方法
CN112287846A (zh) * 2020-10-30 2021-01-29 深圳市优必选科技股份有限公司 目标人物跟随方法、装置、可移动机器人及可读存储介质
CN112287846B (zh) * 2020-10-30 2024-05-07 深圳市优必选科技股份有限公司 目标人物跟随方法、装置、可移动机器人及可读存储介质
CN112346485A (zh) * 2020-12-24 2021-02-09 华中光电技术研究所（中国船舶重工集团公司第七一七研究所） 一种光电跟踪控制方法、系统、电子设备及存储介质
CN112733907A (zh) * 2020-12-31 2021-04-30 上海商汤临港智能科技有限公司 数据融合方法、装置、电子设备以及存储介质
CN112712549A (zh) * 2020-12-31 2021-04-27 上海商汤临港智能科技有限公司 数据处理方法、装置、电子设备以及存储介质
CN112882059A (zh) * 2021-01-08 2021-06-01 中国船舶重工集团公司第七0七研究所 一种基于激光雷达的无人船内河障碍物感知方法
CN112800349B (zh) * 2021-02-02 2022-02-18 中华人民共和国广东海事局 水上移动目标的运动状态获取方法、装置、设备和介质
CN112800349A (zh) * 2021-02-02 2021-05-14 中华人民共和国广东海事局 水上移动目标的运动状态获取方法、装置、设备和介质
CN112857360A (zh) * 2021-03-22 2021-05-28 哈尔滨工程大学 一种船舶航行多信息融合方法
CN112857360B (zh) * 2021-03-22 2022-06-17 哈尔滨工程大学 一种船舶航行多信息融合方法
CN113219492A (zh) * 2021-03-30 2021-08-06 苏州市卫航智能技术有限公司 一种河道船舶行驶定位导航的方法及系统
WO2022242465A1 (zh) * 2021-05-21 2022-11-24 魔门塔(苏州)科技有限公司 一种多传感器数据的融合方法及装置
CN113484864A (zh) * 2021-07-05 2021-10-08 中国人民解放军国防科技大学 面向无人艇的航海雷达与光电吊舱协同环境感知方法
CN113627473A (zh) * 2021-07-06 2021-11-09 哈尔滨工程大学 基于多模态传感器的水面无人艇环境信息融合感知方法
CN113627473B (zh) * 2021-07-06 2023-09-29 哈尔滨工程大学 基于多模态传感器的水面无人艇环境信息融合感知方法
CN113253619A (zh) * 2021-07-13 2021-08-13 北京海兰信数据科技股份有限公司 一种船舶数据信息的处理方法及装置
CN113253619B (zh) * 2021-07-13 2021-10-12 北京海兰信数据科技股份有限公司 一种船舶数据信息的处理方法及装置
CN113610099A (zh) * 2021-08-26 2021-11-05 吉林大学 一种环境感知方法及系统
CN113610099B (zh) * 2021-08-26 2024-02-02 吉林大学 一种环境感知方法及系统
CN113822297A (zh) * 2021-08-30 2021-12-21 北京工业大学 一种海上舰艇目标识别装置及方法
CN113822297B (zh) * 2021-08-30 2024-03-01 北京工业大学 一种海上舰艇目标识别装置及方法
CN114035187A (zh) * 2021-10-26 2022-02-11 北京国家新能源汽车技术创新中心有限公司 一种自动驾驶系统的感知融合方法
CN113917930A (zh) * 2021-11-11 2022-01-11 中国船舶重工集团公司第七一九研究所 一种基于感知数据的无人船航行状态控制方法
WO2023240805A1 (zh) * 2022-06-13 2023-12-21 之江实验室 一种基于滤波校正的网联车超速预警方法及系统
CN115453504A (zh) * 2022-08-02 2022-12-09 珠海云洲智能科技股份有限公司 一种目标探测方法、目标探测装置及电子设备
CN116055689B (zh) * 2023-03-29 2023-06-06 中国人民解放军军事科学院国防科技创新研究院 一种水下大型潜航器水面观测系统及观测方法
CN116055689A (zh) * 2023-03-29 2023-05-02 中国人民解放军军事科学院国防科技创新研究院 一种水下大型潜航器水面观测系统及观测方法
CN116358561B (zh) * 2023-05-31 2023-08-15 自然资源部第一海洋研究所 基于贝叶斯多源数据融合的无人船障碍物场景重构方法
CN116358561A (zh) * 2023-05-31 2023-06-30 自然资源部第一海洋研究所 基于贝叶斯多源数据融合的无人船障碍物场景重构方法

Also Published As

Publication number Publication date
CN110850403B (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
CN110850403B (zh) 一种多传感器决策级融合的智能船水面目标感知识别方法
CN110414396B (zh) 一种基于深度学习的无人艇感知融合算法
CN113269098B (zh) 一种基于无人机的多目标跟踪定位与运动状态估计方法
Stutters et al. Navigation technologies for autonomous underwater vehicles
CN103149939B (zh) 一种基于视觉的无人机动态目标跟踪与定位方法
CN1940591B (zh) 使用传感器融合进行目标跟踪的系统和方法
CN109239709B (zh) 一种无人船的局部环境地图自主构建方法
CN109282808B (zh) 用于桥梁三维巡航检测的无人机与多传感器融合定位方法
Chambers et al. Perception for a river mapping robot
CN113985419A (zh) 水面机器人协同障碍物检测及避障方法及系统
KR102466804B1 (ko) 이미지 세그멘테이션을 이용한 자율 운항 방법
CN113627473A (zh) 基于多模态传感器的水面无人艇环境信息融合感知方法
Mueller et al. GIS-based topological robot localization through LIDAR crossroad detection
CN111968046A (zh) 一种基于拓扑结构的雷达光电传感器目标关联融合方法
CN115031718B (zh) 一种多传感器融合的无人船同步定位与建图方法(slam)及系统
Loebis et al. Review of multisensor data fusion techniques and their application to autonomous underwater vehicle navigation
CN113532499B (zh) 无人系统的传感器安全性检测方法、设备及存储介质
Santos et al. Tracking of multi-obstacles with laser range data for autonomous vehicles
CN117606497A (zh) 一种实时地图构建方法、系统及导盲眼镜
CN117470259A (zh) 一种子母式空地协同多传感器融合三维建图系统
Domhof et al. Multi-sensor object tracking performance limits by the cramer-rao lower bound
CN115471526A (zh) 基于多源异构信息融合的自动驾驶目标检测与跟踪方法
CN115932834A (zh) 一种基于多源异构数据融合的反无人机系统目标检测方法
Bloisi et al. A distributed vision system for boat traffic monitoring in the venice grand canal.
Zhong et al. Dynamic obstacle detection and tracking based on 3D lidar

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant