本书从系统架构、理论方法、应用特性等方面,系统地介绍了海洋机器人环境感知。本书首先概述了海洋机器人环境感知的需求、概念、内涵及发展现状;然后介绍了相关传感器原理、特点和性能,以及计算分析方法;接着分析了环境感知系统设计要素、流程和方法,介绍了信息增强、场景分割、目标检测、目标定位等理论方法;最后探讨了不同传感器多模态信息融合、环境建模和态势感知的主要方法,展望了未来环境感知能力水平的提升。
更多科学出版社服务,请扫码获取。
博士生导师,博士学位,入选黑龙江省首届“头雁”创新团队参与推动并创建国内首个“海洋机器人”专业,参与研制“天行1号”无人艇、“海洋漫步者”波浪滑翔器、“驭浪者”自然能航行器等海洋机器人,担任本科生专业核心课程《海洋机器人环境感知》、博士生专业课程《海洋机器人智能感知与控制技术》《海洋机器人前沿技术》主讲教师。海洋环境智能认知技术、海洋无人系统的轻量化深度学习与智能计算、机器学习与模式识别技术、海洋大数据分析、人工智能在海洋无人系统中的应用等军队科技进步二等奖、海洋工程科学技术二等奖、教育部科学研究优秀成果一等奖、黑龙江省科技进步二等奖等中国造船工程学会高级会员,中国人工智能学会会员,担任《Journal of Field Robotics》、《Automatica》、《自动化学报》等知名学术期刊编委和特邀审稿人
目录
第1章 绪论 1
1.1 海洋机器人应用概述 1
1.1.1 海洋机器人的分类 1
1.1.2 海洋机器人的应用 2
1.1.3 海洋机器人的主要特征 5
1.2 海洋机器人的感知需求 5
1.3 智能感知技术概念内涵、研究方向及发展现状 6
1.3.1 智能感知技术概念内涵 6
1.3.2 智能感知技术研究方向 7
1.3.3 智能感知技术发展现状 9
本章小结 10
第2章 海洋感知信息处理与分析基础 11
2.1 海洋探测成像模型 11
2.1.1 大气光学成像模型 11
2.1.2 水下光学成像模型 12
2.1.3 水声传输模型 14
2.1.4 化学物质扩散模型 15
2.2 感知信息空间域分析 16
2.2.1 空间域平滑方法 16
2.2.2 空间域锐化方法 18
2.2.3 数学形态学方法 20
2.3 感知信息频域分析 22
2.3.1 频域滤波器设计 22
2.3.2 频域平滑方法 23
2.3.3 频域锐化方法 25
2.4 感知信息统计分析 26
2.4.1 统计分析模型 26
2.4.2 直方图方法 28
2.4.3 概率模型理论 29
2.5 机器学习基础 31
2.5.1 决策树与随机森林 31
2.5.2 神经网络原理 34
2.5.3 支持向量机 36
2.5.4 贝叶斯理论方法 37
2.5.5 聚类原理 39
本章小结 40
第3章 海洋信息预处理方法 41
3.1 信息质量评价方法 41
3.1.1 无参考评价方法 41
3.1.2 全参考评价方法 43
3.1.3 部分参考评价方法 45
3.2 海洋感知信息去噪方法 45
3.2.1 空间域去噪方法 46
3.2.2 频域滤波方法 49
3.2.3 噪声模型方法 51
3.3 海洋感知信息增强方法 53
3.3.1 空间域增强方法 54
3.3.2 频域增强方法 55
3.3.3 模型增强方法 56
3.4 损失信息恢复方法 60
3.4.1 信息模型方法 60
3.4.2 压缩感知与稀疏表达 62
本章小结 63
第4章 海洋场景分割方法 64
4.1 感知数据分割聚类方法 64
4.1.1 K均值聚类方法 64
4.1.2 模糊C均值聚类方法 65
4.1.3 高斯混合模型方法 66
4.2 相似性分析与分割方法 67
4.2.1 特征评价方法 67
4.2.2 超像素区域方法 68
4.2.3 相似性分割方法 69
4.3 语义分析与分割方法 71
4.3.1 语义区域分割与合并 71
4.3.2 语义特征表达 72
4.3.3 语义神经网络 73
4.4 海洋目标实例分割 73
4.4.1 实例分割概念 74
4.4.2 实例分割方法原理 74
4.4.3 实例分割优化 81
本章小结 84
第5章 海洋目标检测识别方法 85
5.1 目标特征设计与分析 85
5.1.1 目标直方图特征 85
5.1.2 目标局部区域特征 86
5.1.3 目标边界特征 87
5.2 典型人工特征原理 90
5.2.1 HOG特征原理 90
5.2.2 SIFT/SURF特征原理 92
5.2.3 Haar特征原理 96
5.3 经典特征模型方法 98
5.3.1 特征的可分性测度 98
5.3.2 基于类内散布矩阵的特征提取 100
5.3.3 K-L变换特征提取 102
5.3.4 特征降维方法 104
5.4 人工神经网络 104
5.4.1 感知机原理 105
5.4.2 前馈神经网络 107
5.4.3 反向传播神经网络 109
5.4.4 深度神经网络 110
本章小结 115
第6章 海洋目标跟踪方法 116
6.1 目标跟踪特征模型 116
6.1.1 特征模型分类 116
6.1.2 特征模型表达 117
6.1.3 特征模型实时更新 118
6.2 目标跟踪基本原理与分类 120
6.2.1 目标跟踪框架 120
6.2.2 目标跟踪原理与实现 121
6.2.3 目标跟踪分类及特点 122
6.3 单目标跟踪方法 124
6.3.1 单目标跟踪原理 124
6.3.2 主要单目标跟踪方法及特点 124
6.4 多目标跟踪方法 129
6.4.1 多目标跟踪原理 129
6.4.2 主要多目标跟踪方法及特点 130
本章小结 134
第7章 海洋目标定位方法 135
7.1 侧扫声呐技术 135
7.1.1 基本原理 135
7.1.2 关键应用 137
7.2 多基地声呐定位算法 137
7.2.1 型多基地定位系统 137
7.2.2 型多基地定位系统 139
7.2.3 型多基地定位系统 141
7.3 单目视觉定位 142
7.3.1 图像坐标系、摄像机坐标系与世界坐标系 142
7.3.2 摄像机成像模型 144
7.3.3 基于点特征的单目视觉定位算法 146
7.4 双目视觉定位 147
7.4.1 双目立体视觉原理 147
7.4.2 双目立体视觉的精度分析 150
7.4.3 双目立体视觉系统标定 152
本章小结 153
第8章 多传感器信息融合方法 154
8.1 多传感器标定方法 155
8.1.1 多传感器标定原理 155
8.1.2 多传感器联合标定方法 160
8.2 多传感器信息数据融合 161
8.3 多传感器信息特征融合 163
8.3.1 传感器特征融合 163
8.3.2 融合特征处理方法 168
8.4 多传感器信息决策融合 172
本章小结 177
第9章 海洋环境建模与态势感知方法 178
9.1 海洋环境模型构建方法 178
9.1.1 三维静态模型 178
9.1.2 三维动态模型 179
9.1.3 二维栅格地图 180
9.1.4 二维拓扑地图 180
9.2 目标状态分析判别方法 181
9.2.1 特征提取方法 182
9.2.2 数据融合技术 183
9.2.3 目标行为识别 184
9.3 局部环境态势分析方法 186
9.3.1 环境状态监测 186
9.3.2 危险预测 187
9.3.3 决策支持 187
9.4 态势推演预测方法 188
9.4.1 动态模型建立 188
9.4.2 态势推演算法 189
9.4.3 预测结果验证 190
本章小结 190
参考文献 191