研究目的
通过融合雷达、激光雷达、RGB摄像头和红外摄像头这四大传感器检测结果,并采用卷积神经网络(CNN)进行目标分类,以实现海上环境中精确的目标检测与跟踪效果。
研究成果
所提出的多传感器融合方法与卷积神经网络分类技术,在海事环境中能提供可靠的物体检测与分类结果,未来可扩展至时序数据处理,并研究卷积神经网络输出不确定性以实现跨连续传感器数据的物体追踪。
研究不足
该方法在处理原始激光雷达数据中的噪声雷达目标检测和反射时可能存在局限性,这可能导致出现虚影物体。与车载环境相比,海上环境中目标物体的距离更远,从而影响传感器性能。
1:实验设计与方法选择:
本研究采用基于概率数据关联方法的多传感器融合技术进行目标检测与跟踪,并使用卷积神经网络(CNN)进行目标分类。
2:样本选择与数据来源:
从芬兰群岛运营的渡轮上采集的真实数据集,包含雷达、激光雷达、RGB摄像头和红外摄像头在不同天气条件下获取的数据。
3:实验设备与材料清单:
雷达、激光雷达、RGB摄像头、红外摄像头及CNN模型。
4:实验流程与操作步骤:
各传感器数据独立处理进行目标检测,随后通过基于概率数据关联的方法融合生成区域提议,再由CNN进行分类。
5:数据分析方法:
基于真实数据集的检测与分类准确率进行性能评估。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容