基于深度学习的三维自主避障技术研究
作者:
作者简介:

韩恩权(1977-),男,硕士,副研究员,主要从事水下装备需求与运用研究。

中图分类号:

TP273.2


Research on 3D Autonomous Obstacle Avoidance Technology Based on Deep Learning
Author:
  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献 [8]
  • |
  • 相似文献 [20]
  • | | |
  • 文章评论
    摘要:

    针对自主式潜航器航行中自主规避障碍物传统算法存在的障碍物区域探测精度低、障碍物识别不准确、潜航器航路不最优等问题,采用三维成像声呐和深度学习算法开展了自主规避障碍物优化技术研究, 并通过仿真和漳河水库试验测试了本算法的有效性,可有效提高航行器规避障碍物的成功率和精度,以及 AUV 航行路径优化。

    Abstract:

    For traditional algorithms of autonomous obstacle avoidance in AUV navigation,there are some problems,such as low detection accuracy of obstacle areas,inaccurate obstacle recognition,and non-optimized AUV route,etc. In this paper,research on optimization technology of autonomous obstacle avoidance is carried out based on 3D imaging sonar and deep learning algorithms. The effectiveness of this algorithm is demonstrated through simulation and test in Zhanghe reservoir. The results show that the success rate and accuracy of AUV obstacle avoidance are significantly improved,and the AUV route is optimized.

    参考文献
    [1] 杨小菊,张伟,高宏伟,等.基于模糊控制的移动机器人避障研究[J].传感器与微系统,2017,36(3):51-54.
    [2] 高力,陆丽萍,褚端峰,等.基于图与势场法的多车道编队控制 [J].自动化学报,2020,46(1):117-126.
    [3] 张素芹.机器人BP神经网络避障控制模型构建及仿真[J].西安工业大学学报,2015,35(8):678-682.
    [4] 刘治宇,刘晓东,董飞,等.三维前视声呐信号处理方法[J].声学技术,2015,34(4):317-321.
    [5] LI X,SHANG M,QIN H,et al.Fast accurate fish detection and recognition of underwater images with Fast R-CNN[C]//OCEANS 2015-MTS/IEEE Washington.New York:IEEE,2016.
    [6] JIN L,HONG L.Deep learning for underwater image recognition in small sample size situations[C]//OCEANS 2017-Aberdeen.New York:IEEE,2017.
    [7] 吴双忱,左峥嵘.基于深度卷积神经网络的红外小目标检测[J].红外与毫米波学报,2019,38(3):371-380.
    [8] 范丽丽,赵宏伟.基于深度卷积神经网络的目标检测研究概述 [J].光学精密工程,2020,28(5):1152-1164.
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文

韩恩权.基于深度学习的三维自主避障技术研究[J].数字海洋与水下攻防,2021,4(4):264-268

复制
分享
文章指标
  • 点击次数:177
  • 下载次数: 566
  • HTML阅读次数: 0
  • 引用次数: 0
历史
  • 在线发布日期: 2021-09-24
文章二维码