基于改进YOLOv3的无人...载激光雷达图像目标定位方法_柴群.pdf
《基于改进YOLOv3的无人...载激光雷达图像目标定位方法_柴群.pdf》由会员分享,可在线阅读,更多相关《基于改进YOLOv3的无人...载激光雷达图像目标定位方法_柴群.pdf(5页珍藏版)》请在咨信网上搜索。
1、第 44 卷 第 4 期2023 年 4 月 激光杂志LASER JOURNALVol.44,No.4April,2023http /收稿日期:2022-07-23基金项目:贵州省普通高等学校青年科技人才成长项目(No.黔教合KY2020187)作者简介:柴群(1979-),男,硕士,副教授,研究方向:计算机视觉。基于改进 YOLOv3 的无人机机载激光雷达图像目标定位方法柴 群,李俊杰,梁剑波凯里学院大数据工程学院,贵州 凯里 556011摘 要:为提升无人机机载激光雷达图像小目标定位的精度,提出基于改进 YOLOv3 的无人机机载激光雷达图像目标定位方法。基于 MCA 算法分割激光雷达图像
2、信息,通过包含脊小波字典的稀疏表达重新构建图像信息,达到去除目标图像噪声的目的;通过变化检测技术分离目标区域聚类信息,将目标区域从背景区域中分离;将目标区域输入到优化后的 YOLOv3 算法中完成无人机机载激光雷达图像目标的定位。实验结果表明,所提算法的定位精度为 95.1%,定位耗时平均为 20.6 s。关键词:激光雷达图像定位;MCA 算法;变化检测技术;置信度函数;改进 YOLOv3 算法中图分类号:TN713 文献标识码:A doi:10.14016/ki.jgzz.2023.04.202Target localization method of UAV airborne lidar
3、image based on improved YOLOv3CHAI Qun,LI Junjie,LIANG JianboBig Data Engineering College,Kaili University,Kaili 556011,ChinaAbstract:To improve the accuracy of small target location in UAV airborne lidar image,a target location method based on improved YOLOv3 is proposed.Based on MCA algorithm,the
4、lidar image information is segmented,and the image information is reconstructed by the sparse expression including ridgelet dictionary to remove the noise of the tar-get image.The cluster information of that target area is separated by the change detection technology,and the target area is separate
5、from the background area.The target area is input into the optimized YOLOv3 algorithm to locate the target of UAV airborne lidar image.Experimental results show that the positioning accuracy of the proposed algorithm is 95.1%,and the average positioning time is 20.6 s.Key words:lidar image positioni
6、ng;MCA algorithm;change detection technology;confidence function;im-proved YOLOv3 algorithm1 引言合成孔径雷达技术与人工智能结合的研究在过去几十年中取得巨大进步,并被广泛应用在航海、军事、航空等领域1-2,至今仍是国内外学者研究的重点问题。但其在针对无人机等遥感小目标检测时,仍存在识别完整度低及精确度低的问题,因此,提出研究图像目标定位方法,以为现实应用带来更方便快捷精准的工作方法。徐志京3等人首先构建针对小目标的 I-VGGNet特征提取网络,其次通过金字塔网络模块的融合,加强了图像目标的定位特征及语
7、义特征,最后构建损失函数降低目标敏感度,完成激光雷达图像的目标定位。该方法目标定位精度不够准确。徐英等人4首先通过多尺度特征分割目标图像得到二值图像,利用DRGAN 模型将激光雷达图像编码量化四角像素,最后基于 SVM 训练样本灰度特征得到激光雷达图像的目标定位。该方法目标检测完整度较低。郑锴5等人首先构造定位目标线性化的增广矩阵,其次通过奇异值分解法计算出激光雷达图像坐标,最终通过平差计算成像模型获得目标定位信息。该方法存在检测效果不佳,检测效率低的问题。针对上述方法的问题,提出基于改进 YOLOv3 的无人机机载激光雷达图像目标定位方法。对于采集http /的激光雷达图像中含有大量噪声的问
8、题,引入形态学成分分析(morphological component analysis,MCA)算法,对图像的边缘信息、纹理信息与光滑信息进行重构,减少图像的冗余度;考虑到背景遮挡等问题,利用全局分布式恒虚警(constant false alarm rate,CFAR)算法进行 目 标 区 域 聚 类 分 析,并 进 一 步 采 用 改 进YOLOv3 算法使预测目标更精准贴合真实目标,完成目标精准定位。并通过实验验证了该方法具有快速、准确的目标定位性能。2 无人机机载激光雷达图像目标定位2.1 图像去噪传统的波滤方法在对激光雷达图像完成去噪处理时不能够很好地保留图像的边缘与细节纹理信息6
9、-8,故采用一种新的基于 MCA 的激光雷达图像去噪处理方式。首先分割激光雷达图像边缘信息、纹理信息与光滑信息,然后通过包含脊小波字典完成图像的稀疏性表达9-10,最后恢复稀疏性表达分离出来的图像边缘信息、纹理信息与光滑信息重构激光雷达图像,达到抑制无人机机载激光雷达图像噪声的效果11。依据激光雷达图像非噪声部分含有多种信号特征,设 SAR 图像?c 公式表达如下:?c=?ca+?cy+?cr(1)其中,?ca、?cy、?cr分别表示图像的不同种类的边缘、纹理、平滑信息。基于 MCA 算法,即利用稀疏表达分离图像边缘、纹理、平滑部分信息,其超完备字典的稀疏性表达如下:?ca=aa?cy=yy?
10、cr=rr|(2)其中,a,y,r表示此超完备字典组合基,a、y、r分别表示边缘、纹理、平滑信息部分基。求解变分问题,估计出图像边缘、纹理、平滑信息的稀疏表示的最优解a,y,r:a,y,r=argmin a1+y1+r1+TV(Faa)+12?U-aa-yy-rr22|(3)其中,TV 表示图像平滑信息的总方差,表示均衡参数,?U 表示含噪图像,F 表示不含噪声图像,表示变量系数。输入原始含噪图像?U,设置初始稀疏系数 =1,初始迭代次数 l=1,图像冗余度 to=?U-aoa-yoy-ror,更新估计图像边缘、纹理、平滑系数,其公式如下:?la=yaJD(JTa?la)la=d/r1vTa(
11、tl-1)+l-1a()ly=d/r1vTy(tl-1)+l-1y()lr=d/r1vTr(tl-1)+l-1r()|(4)其中,J 表示图像熵,D 表示平均码长,d/r表示编码效率,t 表示冗余度,v 表示均值。重复上述操作,更新激光雷达图像冗余度,直到达到满足收敛准则。得到去噪后的激光雷达图像 r?c公式表达如下:?C=aa-yy-rr,c=r?c(5)2.2 图像区域检测在对激光雷达图像去噪后,基于变化检测技术完成激光雷达图像的目标区域检测。由于无人机机载激光雷达观测时,周围存在复杂物体杂波的干扰,大大降低了目标识别检测效率,故采用全局 CFAR 算法对无人机机载激光雷达图像实行聚类处理
12、12-13。首先通过目标切片及背景切片的变化检测,得到粗略的目标区域,其次通过对目标区域的聚类分析,将目标区域从背景区域中分离。在粗略目标切片上,其中心区域信息为目标区域,四角区域信息为杂波区域,计算其四角区域的杂波均值14,公式表达如下:1=1QQQo=1Qk=1o(o,k)2=1QQQo=1Mk=M-Q+1o(o,k)3=1QQQo=M-Q+1Mk=1o(o,k)4=1QQQo=M-Q+1Mk=M-Q+1o(o,k)|(6)其中,o(o,k)表示一个大小为 MM 的切片区域像素,杂波区域正方形边长为 QQ,其背景杂波区域均值 表达公式如下:=1+v2+v3+v44(7)利用背景杂波及原始切
13、片构建似然化变化测量值(o,k),其公式表达如下:(o,k)=o(o,k)+1+o(o,k)+1(8)其中,(o,k)=1,2,Q。将变化测量值实行线性变换,形成标准灰度图像差异数据。通过 KSW 熵算法分割变化测量值,完成阈值选取,其步骤如下:302柴群,等:基于改进 YOLOv3 的无人机机载激光雷达图像目标定位方法http /设 Pl,l=0,1,255 表示灰度级 l 的出现概率,划分阈值 Y 为未变化和变化两类 wm、wr,其像素灰度分布表达公式如下:wm:P0PY,P1PY,PYPYwr:PY+11-PY,PY+21-PY,PY+31-PY|(9)其中,P 表示累积概率。其分布对应
14、熵 J 公式表达如下:Jm(Y)=-Yo=0PoPYlnPoPY=lnPY+JYPYJr(Y)=-Z-1o=Z+1Po1-PYlnPo1-PY=J-JY1-PY+ln(1-PY)|(10)将两者相加,得到差异激光雷达图像熵15公式表达如下:J(Y)=lnPY(1-PY)+J(Y)PY+J-JY1-PY(11)取其最大值为最佳阈值,当阈值大于灰度值时,此像素记为 0,当阈值小于灰度值时,此像素值记为1,最终完成二值图像的分割,其中像素值为 1 的图像区域为目标区域。2.3 图像目标定位将上述得到的无人机机载激光雷达图像目标区域输入到改进 YOLOv3 算法中,完成最终的目标定位16-17。传统的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 YOLOv3 无人 激光雷达 图像 目标 定位 方法 柴群
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。