激光与红外

作者：黄磊

单位：南京林业大学 机械电子工程学院,江苏 南京 210037；

关键词：三维点云;深度学习;船舶检测;PVRCNN++;焦点稀疏卷积;船舶跟踪;关联矩阵

基金：国家自然科学项目(No.31901239)；2022江苏省产学研合作项目(No.BY2022713)；2023南京林业大学大学生创新创业训练计划项目(基于二维激光SLAM的AGV自主导航系统研究)资助。

随着水上交通和航运事业的不断发展,河道行驶船舶的检测和跟踪越来越重要。目前基于图像的船舶检测与跟踪的方法已经较为成熟,但由于图像缺失深度信息,导致其不能直接获得船舶的3D尺寸和空间位置。而三维激光雷达生成的点云数据,天然携带精确的几何信息和距离信息,在船舶的检测和跟踪方面有巨大的发展潜力。三维点云的目标检测目前可分为基于经典点云算法的检测方式和基于深度学习的检测方式。若采用基于经典点云算法的检测方式对船舶进行检测,存在泛化性差、相临近的船舶点云无法区分等问题。因此本文采用基于焦点稀疏卷积的PV RCNN++改进算法对河道行驶的船舶进行检测。该改进算法不仅能很好地区分各种情况下的船舶点云,还可以提高对远处船舶的识别能力,相比基于经典点云算法的目标检测方式,在实际场景中的检测精度提高了1156。在此基础上,本文提出了一种基于船舶间位置和3D尺寸关联程度进行多目标匹配与跟踪的方法,其中采用ICP配准计算船舶速度并预测船舶位置。实测数据验证结果表明,所提出的船舶跟踪方法具有稳定的跟踪性能,能够准确匹配相邻数据帧之间的船舶。

来源：2025年第5期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第5期