一种基于机器视觉与多源数据融合的海上船舶检测方法

    公开(公告)号:CN114581675A

    公开(公告)日:2022-06-03

    申请号:CN202111596103.5

    申请日:2021-12-24

    Abstract: 本发明提供的一种基于机器视觉与多源数据融合的海上船舶检测方法,获取目标船舶的数据,并通过YOLOv5目标检测算法训练得到所需船舶的目标检测模型,训练时采用Pixels‑IoU函数来代替YOLOv5目标检测算法中原有的GIoU损失函数;通过所述目标检测模型得到目标船舶的数据,并用图像坐标表示,得到图像信息;获取AIS信息和雷达数据,将雷达数据转换为AIS下的同一坐标系,得到数据信息;根据所述图像信息和数据信息进行融合后对海上船舶进行检测,引入Pixels‑IoU函数代替原有的GIoU损失函数,使得回归损失更加精确、目标框回归更加稳定,有效的提高了船舶识别的准确率,并加入注意力机制层,提高船舶识别准确率。

    一种基于卡尔曼滤波和凸组合理论的航迹融合方法及系统

    公开(公告)号:CN119939494A

    公开(公告)日:2025-05-06

    申请号:CN202411751635.5

    申请日:2024-12-02

    Abstract: 本发明提出基于卡尔曼滤波和凸组合理论的航迹融合方法及系统,包括:数据采集,采集某地基站收集到的船舶AIS数据信息;数据处理,对采集到的所述船舶AIS数据信息进行数据清洗、数据转换和数据聚合处理;航迹数据生成,假设船舶轨迹为匀速直线运动,依据物体运动表达式生成航迹数据,其中考虑外界影响带来的损失以得到观测模型;卡尔曼滤波处理,运用卡尔曼滤波算法对生成的所述航迹数据进行处理,依次结束对所有传感器的航迹信息的预测;凸组合融合,输入各传感器的卡尔曼滤波迭代结束的预测轨迹信息,采用凸组合算法进行航迹融合。本发明在处理结构、航迹关联和航迹状态估计融合等方面具有技术先进性,能够提高航迹融合的效果和准确性。

Patent Agency Ranking