科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对水面无人艇（Unmanned Surface Vessels，USV）可行域及障碍物分割系统对图像处理过程的快速性和准确性要求，研究了一种根据无人艇机载视觉传感器对水上图像快速分割的算法。首先经过多地实验采集实验图像，经过数据清洗、图像去重和人工筛选构建原始数据库，并采用人在回路数据标注方法构造了无人船可行域及障碍物分割数据集，共5620张图像和25875个标签；其次实践了主流的基于深度学习的语义分割方法，包括FCN、DeeplabV3 Plus、U-Net；最后针对水上图像的特点和快速分割的任务需求，提出了一种基于改进DeeplabV3 Plus的快速分割网络DeeplabV3-CSPNet。网络学习实验、离线航行实验和模型部署结果表明，DeeplabV3-CSPNet算法取得快速且准确的分割效果，平均精度达到84.17%，运算速度达到49.26fps，在边缘计算平台上运算速度达到45.45fps。
- 单位
