基于TLD的三维单目标跟踪算法

目标跟踪是计算机视觉领域研究的热门话题,在实践中有着广泛的应用。主要针对三维单目标跟踪问题进行研究,考虑到三维目标检测已有较好表现,将通过视锥点云网络得到的三维目标检测结果与TLD目标跟踪算法相结合,并改进TLD算法的检测模块,构造了基于TLD的三维单目标跟踪算法,输入RGB-D图像序列,输出目标的三维跟踪结果。在KITTI数据集中测试结果表明该算法在三维目标跟踪上的可行性。     

阵形畸变对拖线阵三维探测性能的影响及补偿技术

针对拖曳阵阵形畸变导致的目标检测不准确问题,首先,分析了阵形畸变对拖线阵三维探测性能的影响,并论证了利用实际阵形在垂直方向形成的孔径实现对目标深度信息提取可行性;然后,依据拖线阵中姿态与深度传感器监测数据,提出一种基于阵形自动拟合的三维补偿技术;最后,通过三维补偿技术修正导向矢量,降低导向矢量与协方差矩阵之间不匹配度,解决阵形畸变所导致的目标检测不准确问题。数值仿真结果表明,对畸变阵形进行三维阵形估计和补偿,实现了对未知目标的三维探测,且避免了标校声源对拖线阵实时探测目标的影响,便于工程应用。     

基于深度学习算法的三维激光雷达主动成像目标检测

为了提升目标检测效果，设计基于深度学习算法的三维激光雷达主动成像目标检测方法。利用深度学习算法的生成对抗网络，剔除三维激光雷达主动成像过程中的杂波干扰，得到无杂波干扰的目标三维图像；设计生成模型与对抗模型的损失函数，利用端到端深度神经网络的点云编码层，在无杂波干扰的目标三维图像内，提取目标三维图像特征，并输入目标检测层内；通过目标检测层输出目标检测候选框，利用非极大值结合混合置信度，确定最终目标检测框，完成三维激光雷达主动成像目标检测。实验结果表明：该方法可有效剔除杂波干扰，得到无杂波干扰的目标三维图像；该方法可有效完成三维激光雷达主动成像目标检测，且在不同目标运动模糊长度像素时，该方法目标检测的交并比均高于阈值，说明该方法的目标检测精度较高。     

一种基于激光三维成像雷达距离像的目标检测方法

为了提高激光三维成像雷达地面目标的检测效率,提出一种基于激光三维成像雷达距离像的目标检测方法。该方法首先采用基于邻域像素内检测距离反常算法对距离像进行噪声抑制预处理,然后采用基于形态学的地面估计和高程分割算法实现了距离像的地物分割,最后根据感兴趣目标的尺寸特征,采用最小外接矩形估计算法实现了感兴趣目标的快速检测。本文提出的方法充分利用了距离像的高程信息和目标已知的先验知识,不受二维图像中光照灰度变化对目标检测效果的影响以及处理三维海量点云数据对计算速率的影响。实验结果证明,本文提出的方法适用于复杂多变的战场环境下对地面目标进行快速检测,且满足了实时性要求。     

高掠海角下基于Radon变换的海杂波抑制方法

高掠海角情况下,目标完全淹没在杂波里面,这使得雷达难以对海面目标进行三维成像。该文提出一种基于Radon变换的适用于高掠海角情况下三维成像处理的海杂波抑制方法。利用ISAR技术得到回波二维像,差波束补偿之后,对其进行Radon变换,再利用该文提出的结合边缘检测技术的搜索算法得到的参数,完成目标与海杂波分离处理。三维成像仿真结果表明该方法对克服海杂波影响是有效的。     

远距离监视激光雷达动目标快速检测

激光雷达具有全天候工作、探测精度高、有效探测距离远、易获得三维信息等特点,但工作在远距离模式时,目标点云比较稀疏。当前便携条件下,基于深度学习的算法在激光雷达点云数据直接目标识别时,实时性和成功率尚不能达到远程监视实际工程的要求。针对实际工程中利用激光雷达检测运动目标进而实时引导高分辨率相机的需求,采用基于变化的检测方法,对远距离条件下激光雷达的运动目标检测方法进行了研究,利用点云数据的距离信息,给出三维单高斯模型和三维高斯混合模型检测动目标的过程和方法,提出了利用杂波图恒虚警率检测法处理点云数据的方法。实验表明,与二维图像动目标检测方法相比,三维单高斯模型法会很大程度提高检测准确性,降低虚警率,但仍然存在较高虚警率。为适应复杂三维场景,采用基于三维高斯混合模型的方法进一步降低了虚警率,但也降低了检测速度;而杂波图CFAR的方法具有很高的实时性,同时也具有较好的检测性能。     

融合深度卷积网络与点云网络的三维车辆检测方法分析

在常规的车辆目标检测中,YOLO,SSD,RCNN等深度模型都获得了较好的检测效果,但是在无人驾驶系统中,车辆的速度、方向、相对距离等因素对于系统来说十分重要,所以采用二维车辆检测对于驾驶场景的理解还远远不够。激光点云数据蕴含着丰富的三维环境信息,融合点云数据和深度网络的三维车辆检测已成为未来的发展方向。文章给出了一种基于点云网络与卷积神经网络的三维车辆检测方法,首先,使用CRC和输入尺寸有关的SDP技术来提高车辆检测的准确性;其次,采用点云网络结构(Pointnet)来处理点云数据,实现三维目标检测,研究表明设计网络结构在检测精度上有着较大的优势。     

运动弱小目标先跟踪后检测技术的研究进展

对低信噪比下图像序列运动小目标先跟踪后检测技术进行了较为系统地研究。首先针对运动弱小目标检测问题，分析比较了先检测后跟踪技术与先跟踪后检测技术；详细阐述了先跟踪后检测技术的主流算法，包括时空域匹配滤波器、基于投影变换与三维匹配滤波相结合的算法、多阶假设检验、动态规划算法、高阶相关方法、递推贝叶斯滤波等算法，并比较了其中几种算法。     

基于雷达散射特性的高分辨率SAR图像自动目标识别

高分辨率SAR的迅速发展为自动目标识别提供了可能,为了克服存储海量模板带来的计算复杂性,发展基于模型的目标识别现已成为新的国际研究热点.先由目标的真实三维模型依据电磁波散射理论计算雷达散射截面(RCS),利用宽带合成孔径技术得出目标散射特性的空间分辨率图像,进而基于模拟图像实现目标的CFAR检测.最后利用我国机载高分辨率SAR图像对该方法进行实验,验证了本文提出的基于雷达散射特性目标识别的有效性.     

ISAR 三维运动检测技术

介绍了一种从逆合成孔径雷达（ISAR）信号中检测目标三维运动度的算法。首先基于三维散射点模型讨论了目标三维运动对ISAR成像的影响,得出现有的运动补偿算法不能有效地对三维运动目标成像。随后介绍了一种从ISAR信号中测量和比较不同时间段目标三维运动的算法,从而判断哪些成像间隔适于用基于二维运动模型的运动补偿和成像方法进行成像。该算法基于测量目标上两个或更多散射点相位之间的线性相关性,其中的相位估计使用了自适应联合时间-频率分析方法。仿真的舰船数据表明了该算法的有效性。     

基于多尺度NNLoG特征提取的红外多目标检测遗传算法

本文提出了一种基于多尺度NNLoG特征提取的红外多目标检测遗传算法。首先采用三维匹配滤波器对不同速度的目标进行基于归一化LoG算子的目标检测,然后采用遗传算法对程序进行优化及加速。与传统算法相比,本文提出的方法检测效率高,检测效果好。并且可以自适应不同大小的目标。实验结果表明,提出的方法性能优良,搜索目标效率较高。     

基于改进PointPillars的激光雷达三维目标检测

针对汽车自动驾驶时通过激光雷达进行三维目标检测时识别结果不准确、目标朝向检测偏差较大的问题，提出一种基于改进PointPillars的激光雷达三维目标检测方法。首先，基于Swin Transformer改进PointPillars的二维卷积降采样模块，使得网络特征提取阶段能够使用自注意力机制来丰富上下文语义并获取全局特征，增强算法的特征提取能力。其次，利用点云立柱的特性将点云的地面部分去除，降低冗余点云的影响，从而提高三维目标检测的识别精度。在公开数据集KITTI上进行的验证实验结果表明：所提方法具有更高的检测精度，相较于原PointPillars，平均检测精度提升了1.3个百分点，验证了该方法的有效性。     

三维空间目标识别的多滤波器技术

本文基于三维空间目标不变性识别的原理,采用多滤波器并行处理和综合判断的光学相关检测技术,对三维空间目标进行识别。实验结果表明仅由４个滤波器构成的滤波器组已能识别出三维目标在水平３６０°、高低角±３０°范围内不同视角的二维平面图像。     

基于三维序列探地雷达目标自动定位方法研究

针对三维探地雷达目标定位问题,基于序列目标特征位置提出了一种自动定位埋地目标的方法.该方法采用并行变长自适应滤波器组自动消除直达波,用最佳检测小波在不同的尺度上统计检测和定位目标,并根据点目标的成像特征确认可疑目标,最后采用电波在媒质中速度的估计值实现目标三维聚焦.通过实测数据验证了该方法的正确性和可行性.     

对海雷达多维图像特征融合智能检测方法

海面目标检测是雷达信号处理中的重要内容,在军事、民用领域内都有重要应用价值。在海面目标雷达信号处理中,海杂波的存在对检测算法的性能有很大影响,传统的雷达信号处理方法多基于统计理论,对于复杂环境条件和多样的目标特性检测性能下降明显。近年来深度学习技术发展迅速,为可靠的海面目标的检测方法提供了技术支持。本文对近年来目标检测算法、深度学习方法的发展进行总结,从雷达信号数据结构和维度出发,采用深度学习理论,分别提出了基于二维图像、三维视频雷达信号、多维雷达信号多通道融合的智能处理框架,并以导航雷达图像海上目标智能检测为例,提出一种Precise ROI?Faster R?CNN雷达图像检测算法,通过构建的导航雷达数据集训练和测试,相比经典恒虚警检测和Faster R?CNN检测方法有更高的检测精确度和更好的泛化能力,从而为对海雷达智能导航和目标检测提供了有效的技术途径。     

基于三维GIM模型的数据质量智能检测技术应用

阐述三维设计GIM模型的特点,基于三维GIM模型的数据质量智能检测技术应用,系统总体构架,包括输变电三维GIM模型可视化、标准GIM全自动质检、基于三维场景的审阅、基于高效建模算法的设备模型参数及尺寸校核。     

基于P(Y)码互相关的GPS信号欺骗检测技术研究

随着迈入高度信息化的时代,人类对能够提供全球性、全天候、连续性和实时性的高精度三维位置信息的GPS系统的依赖性越来越强。然而,由于GPS信号固有的脆弱性,用户端很容易遭受的欺骗攻击,跟踪捕获到欺骗信号,使得欺骗目标产生错误定位同时还不会引起欺骗目标的察觉。因此,本文提出一种基于P(Y)码互相关的欺骗检测技术,并对其原理进行详细的分析,还列举了基于该技术的应用方案,希望该项技术能对GPS欺骗检测领域发挥重要的作用。     

基于改进双边滤波的多尺度运动目标检测方法

提出一种基于改进双边滤波的运动多尺度目标检测方法,以提高对弱小目标的检测能力。首先对视频或序列红外图像进行改进双边滤波处理,提高目标的对比度,同时抑制背景的边缘噪声及随机噪声。然后对目标进行三维匹配滤波,获得若干组速度匹配叠加强度图像。最后,在这些图像中进行基于NNLoG(归一化负LoG算子)的多尺度目标检测,得到序列图像或视频段的最佳匹配速度及增强后的图像。可最终计算出目标在序列图像或视频中的运动方程。通过大量的实验及对比实验可知,改进双边滤波、三维匹配滤波及NNLoG算子综合处理效果都较好,可有效检测序列图像或视频中的目标。     

高定位精度的毫米波全息图像三维目标检测

投影角度不同导致目标的形状及尺寸变化限制了基于主动式毫米波（AMMW）全息图像投影视图的隐匿物品二维检测方法对小目标检测性能的提升,为此,提出了基于点云的隐匿物品三维检测方法。通过阈值化处理将AMMW全息图像转换为点云输入经空洞卷积及多分支结构改进的SECOND三维目标检测器,提取对目标的三维几何理解及其多尺度上下文信息以提高对小目标的检测能力。实验结果表明,较基于投影的二维检测方法,该方法平均召回率（AR）提升了3.33%,有效提升了定位精度;在交并比（IOU）阈值为0.5时的检出率提升了8.75%,虚警率降低了1.78%,平均精度（AP）提升了7.11%,不同IOU阈值下的平均AP提升了4.30%,有效提升了检测精度;检测速度为17.3 FPS,达实时水平。     

雷达目标三维特征的提取与识别研究

以逆合成孔径雷达(ISAR)成像技术和计算机视觉理论为基础，提出了一套新的从动态目标ISAR成像序列中提取目标散射点三维结构信息，以此作为目标特征的识别方法。这一研究方法包含了4个重要环节：动态目标的ISAR像序列的获得；“散射点像元”质心的检测、跟踪和匹配；基于光流分析的目标散射点三维结构特征的提取；目标三维特征的识别。由于经过了时间和空间上信息的积累，目标的散射点的三维结构特征具有稳定和直观的特点。作为一种新的目标识别的依据是很有效的，且只需要较少的训练样本就可以获得较高的识别率。