基于“彩虹4”无人机海洋监测平台的设计与验证

针对海洋监测中轻小型无人机抗风能力差、大范围动态监测能力不足的问题,本文以彩虹-4型中空长航时无人机为平台进行了载荷安装、电气接口及电磁兼容性设计,实现了光电吊舱、对海雷达、AIS多任务载荷的优化集成,通过开展远距离无人机通信、载荷数据与位姿信息实时同步回传、数据处理等关键技术研究,形成了一套完整的海洋监测平台软硬件系统。最后经过长时间的地面测试并在海南三亚市东部海域开展远距离飞行试验,依据应用场景及作业的紧迫程度,探索了海岛礁成图等常规监测和海上船只目标应急监测应用模式,验证了平台设计指标,其中平台续航能力优于22h,作业通讯距离达到2 300 km,在无控条件下可见光、红外、SAR成像精度分别为15.35 m、21.09 m、6.30 m。结果表明,该平台能够满足海洋监测技术要求,具有实际应用价值。     

机载条纹管成像激光雷达在拍岸区探测水雷

为了解决拍岸区水雷探测的问题，以无人机为载体的条纹管成像蓝绿激光雷达可以用来扫描、识别水雷，蓝绿激光成像雷达白天和夜晚均可以稳定成像，机载探测方式相对于水下、水面等传统探测方式效率也可以提高，机载激光雷达可由小型船舶、小型汽车等多平台携带使用。     

海洋公益性行业科研专项经费项目介绍

<正>项目名称:海上船只目标星-机-岛立体监视监测技术系统(项目编号:201505002)起止年月:2015-01—2018-12主持单位:国家海洋局第一海洋研究所负责人:孟俊敏研究员1研究目标针对我国专属经济区海上目标监视监测的国家需求,发展广域搜索与SAR成像一体化雷达,以实现远距离搜索和近距离成像的功能,提升船只目标发现能力。发展岛基小型化地波雷达,以解决阵列式地波雷达占据大量海     

海上试验场目标监测系统设计及应用研究

为提高海上试验场的安全保障能力,本文以国家海洋综合试验场浅海试验场区(威海)为平台设计了海上试验场目标监测系统,采用小型连续波雷达和热成像双光谱云台摄像机联动的监测方式,开发了基于小型连续波雷达的目标检测与数据融合算法,建立了针对海上试验场监测目标的异常行为分析模型,并结合显著性检测和核相关滤波算法实现了目标跟踪取证。系统应用结果表明:海上试验场目标监测系统能够准确识别设备在位运行状态,并对可疑船只目标进行跟踪取证。通过该系统能够及时准确获取海上试验场设备运行与周边态势,为海上试验场安全保障提供有效技术支撑。     

基于船载雷达图像的海上船只检测方法

随着雷达成像技术和高分辨率光栅显示技术的发展和应用,基于船载雷达图像的船只检测成为可能.海上船只检测的主要困难之一是雷达图像中包含固有的海面背景杂波.传统的雷达船只检测方法,如恒虚警率法(CFAR),以杂波分布模型为基础,计算待检测窗口中的信号统计分布来确定自适应阈值,取得了一些成果.但是,当海面背景杂波和船只目标的回波强度在同一数量级,甚至船只目标淹没在海面背景杂波中时,就难以确定一个有效的阈值将船只目标从雷达图像中提取出来.在分析海面背景杂波和船只目标的相关差异性基础上,提出了一种基于船载雷达序列图像的海上船只快速检测方法.该方法首先对相邻两幅图像进行互相关性分析,在两幅图像中的同一位置提取一定尺寸的移动窗口,计算其互相关函数值,窗口移动一个步长,重复操作直至遍布整幅图像,形成一幅由灰度图像互相关函数值组成的相关图像.然后使用概率神经网络模型(PNN模型)来估计相关图像背景杂波的灰度概率密度分布函数(PDF),应用CFAR技术,使用二分法求解一个区分船只和背景噪声的自适应整体阈值,并根据阈值将相关图像二值化,其中大于阈值的像元作为候选的船只目标信息,小于阈值的像元则为海面背景杂波.最后使用连通性8-邻域准则统计各个候选船只目标区域的像元数,并与预先定义的最小船只目标像元数进行比较,偏小的候选船只目标区域作为虚警去除,保留下来的候选船只目标区域即为船只检测结果.研究显示,如果图像序列中没有船只目标信息,则三维相关图像比较平整.相反,如果图像序列中含有船只目标信息,则三维相关图像上有峰值被检测出,通过测量峰值的高度,就能判断存在可能的船只目标.运用X波段船载雷达序列图像对本文提出的海上船只检测方法进行了测试.测试结果表明,该检测方法具有很好的船只检测效果,得到的船只检测结果与目视判别的结果一致.而且该检测算法原理简单,计算速度快,易于实时处理,具有广阔的应用前景.     

舰基旋翼无人机的试验实况航拍应用研究

试验可视化是试验组织的关键环节,便于指挥控制中心全面、直观了解试验现场的实况图像,能够为实时指挥决策提供重要判断依据。根据海上运动试验平台可视化保障需求特点,本文提出将舰基试验实况航拍无人机应用于试验保障的试验可视化管理新思路,分析了适用于海上试验保障的无人机技术特点,开展了影响舰基旋翼无人机海上执行航拍任务的要素分析,采用模糊综合评判方法,对旋翼无人机海上作业的安全性进行了分析评估,可为旋翼无人机舰上工程应用提供参考和依据。     

基于结构特征的SAR船只类型识别能力分析

1 引言 SAR是船只探测的有效手段,利用SAR影像不仅可以检测船只目标,而且还可以提取船只的长度、宽度以及航速、航向等信息.随着星载SAR空间分辨率的提高,使基于星载SAR影像的船只类型识别成为可能.利用星载SAR可以检测出大面积范围内的船只和初步识别其类型.     

海上船只目标多角度成像技术

将斜视滑动聚束合成孔径雷达(SAR)应用于海上船只目标的成像。利用斜视角的变化,斜视滑动聚束SAR可高频次地得到同一船只在不同斜视角下的多幅高分辨率微波图像,有利于船只目标的分类与识别。将斜视滑动聚束SAR高效成像算法与船只目标逆合成孔径雷达(ISAR)重聚焦算法相结合,针对计算机仿真数据开展了成像处理实验,取得了较好的成像效果,验证了斜视滑动聚束SAR应用于船只目标成像时可高频次地获得多幅高分辨率图像的独特优势。     

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测

海雾气象条件下船只高精度检测识别面临较大困难，传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题，提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片（海雾、雨）的判别方法，实现图片清晰度分类处理；其次为提高海雾气象条件下海上船只的实时检测精度，消除海雾遮挡对目标识别的影响，运用暗通道先验去雾方法对含有海雾的图像实行去雾；最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只，对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。     

海域无人机监视监测业务流程设计

文章主要探讨海域无人机监视监测业务流程,针对目前海域动态监视监测工作中无人机管理模式及作业流程的现状,结合海域资源开发管理业务需求,阐述规范无人机作业流程的必要性。按照无人机监测任务的紧迫程度分为常规监测任务和应急监测任务,以规范无人机业务流程、提高无人机作业效率、保障无人机作业安全为目的,并结合无人机业务工作中的实际情况对两类监测任务的无人机作业流程进行了探讨与设计。     

基于连续帧间差分的抛弃式探头三维下沉运动处理方法研究

抛弃式探头由无人机装载,能够在较远目标区域和危险海域开展海洋水文环境剖面参数的测量。通过安装不同传感器,可以实现对温度、盐度的剖面测量,其深度的测量采用数学方法计算得到。针对双摄像机水箱实验获得的5个不同攻角实验结果,分析了常用的运动目标的检测方法,最终选择基于连续帧间差分法,确定探头的三维坐标位置,进而得到探头下沉运动的三维运动轨迹和速度曲线等信息。探头从水面释放后攻角在下沉过程中不断调整,改变运动姿态,同时伴随自身的旋转,抵消水平方向阻力作用,初始攻角产生的深度测量误差主要体现在加速过程,探头达到匀速运动后测量误差不变,在不考虑横流的情况下,探头最后以匀速垂直下落运动。     

一种增强型YOLOv3的合成孔径雷达(SAR)舰船检测方法

近年来,海战场成为现代战争的主要作战区域之一,舰船目标逐渐成为海上重点监测对象,能否快速准确地识别海战场舰船目标的战术意图,给指挥员的决策提供必要的支持,这关系到一场海上战役的成败.随着合成孔径雷达(synthetic aperture radar,SAR)成像技术的不断发展,大量SAR图像可用于舰船目标检测与识别.利用SAR图像进行舰船目标检测与识别,已经成为重要的海洋应用之一.针对传统SAR图像舰船检测方法准确率较低的问题,本文在YOLOv3的基础上,结合感受野(receptive field block,RFB)模块,提出一种增强型的SAR舰船检测方法.该方法在最近公开的SAR图像舰船检测数据集上平均准确率值达到了91.50％,与原YOLOv3相比提高了0.92％.实验结果充分表明本文提出的算法在SAR舰船的检测中具有较好的检测效果.     

Radar-based collision avoidance for unmanned surface vehicles

Unmanned surface vehicles (USVs) have become a focus of research because of their extensive applications. To ensure safety and reliability and to perform complex tasks autonomously, USVs are required to possess accurate perception of the environment and effective collision avoidance capabilities. To achieve these, investigation into realtime marine radar target detection and autonomous collision avoidance technologies is required, aiming at solving the problems of noise jamming, uneven brightness, target loss, and blind areas in marine radar images. These technologies should also satisfy the requirements of real-time and reliability related to high navigation speeds of USVs. Therefore, this study developed an embedded collision avoidance system based on the marine radar, investigated a highly real-time target detection method which contains adaptive smoothing algorithm and robust segmentation algorithm, developed a stable and reliable dynamic local environment model to ensure the safety of USV navigation, and constructed a collision avoidance algorithm based on velocity obstacle (V-obstacle) which adjusts the USV’s heading and speed in real-time. Sea trials results in multi-obstacle avoidance firstly demonstrate the effectiveness and efficiency of the proposed avoidance system, and then verify its great adaptability and relative stability when a USV sailing in a real and complex marine environment. The obtained results will improve the intelligent level of USV and guarantee the safety of USV independent sailing.     

On the synthetic aperture radar imaging of ocean surface waves

A process of synthetic aperture radar imaging of ocean surface waves is considered on the basis of the two-scale model of microwave scattering by a disturbed sea surface. Analytical expressions are obtained to relate characteristics of a large-scale wave image, averaged over an ensemble of realizations of the small-scale ripple, with the wave, radar, and viewing scheme as parameters. It is shown that the wave image would be defocused as an image of a target moving in the along-track direction with a speed equal to a half of the wave phase speed projection on the line of flight. The defocusing magnitude was measured experimentally for the ocean swells images, obtained with an airborneS-band radar, and the results are found to be in satisfactory agreement with the model prediction.     

基于PS-VF-TBD的地波雷达船只目标航迹起始方法

针对地波雷达低信噪比目标信号"闪烁"导致的航迹起始困难问题,本文提出了一种基于PS-VF-TBD的航迹起始方法.该方法综合利用了地波雷达回波谱中目标信号的展宽特征和运动特性,利用PS-VF-TBD方法对运动目标能量有效积累的特点,提高对疑似目标多帧信号间的关联概率,进而提高对真实目标的搜索概率和航迹起始成功率.通过地波...     

无人机海上溢油跟踪监测系统设计及仿真

海上环境变化多端,造成溢油的漂移和扩散会出现不可预测的情况,精确、实时地监测海上溢油是现今亟待解决的问题.无人机以其部署快、成本低、环境适应性强的优势在海上溢油监测领域得到重视,但单架无人机监测能力弱,而多架无人机监测的准确性仍需提高.为此,本文提出一种无人机群海面溢油自动导航跟踪监测的架构和方法,根据海上溢油浓度的变化进行路径规划.该方法包括建立溢油模型和设计无人机跟踪控制系统.溢油模型主要描述海上溢油时空变化的形态复杂性;控制器可控制无人机追踪和监测溢油漂移及扩散的情况.同时,将无人机跟踪控制系统与人工势场法相结合,避免无人机相撞.最后,进行数值仿真,结果表明该跟踪系统与溢油的重合率达到70％～80％,验证了该方法的可行性.未来,该系统可广泛应用于无人机群对不同环境现象和灾害的跟踪监测.     

基于无人机技术的潮滩动态监测研究

无人机具有快速高效、体积小和成本低等特点,不仅可以监测淤泥质潮滩不同区域的变化趋势,还可以观测到卫星难以捕获的潮滩短历时发育过程。文章基于无人机航拍测量技术,通过后期图像处理生成正射影像,获取临港新片区潮滩的沙滩和植被区域面积,分析潮滩短周期沙滩和植被时空分布特征和对不同事件的响应。研究结果表明：近年来临港潮滩潮上带从淤泥质海滩逐渐转变为沙质海滩;潮滩植被有明显季节性变化,秋冬季枯萎,春夏季生长茂盛,分布在潮滩西侧的植被变化最为显著;沙滩随着植被枯萎而裸露,易受波浪、潮汐冲刷;相比于季节性转化,沙滩在事件上的响应更为显著,洪水期淤积和台风冲刷导致潮滩变化剧烈。     

Shadow Enhancement in Synthetic Aperture Sonar Using Fixed Focusing

A shadow cast by an object on the seafloor is important information for target recognition in synthetic aperture sonar (SAS) images. Synthetic aperture imaging causes a fundamental limitation to shadow clarity because the illuminator is moved during the data collection. This leads to a blend of echo and shadow, or geometrical fill-in in the shadow region. The fill-in is most dominant for widebeam synthetic aperture imaging systems. By treating the shadow as a moving target and compensating for the motion during the synthetic aperture imagery, we avoid the geometrical shadow fill-in. We show this to be equivalent to fixing the focus at the range of the shadow caster. This novel technique, referred to as fixed focus shadow enhancement (FFSE) can be used directly as an imaging method on hydrophone data or as a postprocessing technique on the complex SAS image. We demonstrate the FFSE technique on simulated data and on real data from a rail-based SAS, and on two different SAS systems operated on a HUGIN autonomous underwater vehicle.      

基于船载无人机的绿潮漂移速度估算与分析

无人机遥感具有应用灵活、不受云层干扰以及时空分辨率高的显著优势。为探索无人机在海洋灾害监测中的应用,本文以科考船为起降平台,首次基于无人机获取的双时相绿潮正射影像,开展了黄海绿潮漂移速度的估算研究。同时对比了卫星影像提取的速度结果,并探讨了风与潮流对海上绿潮漂移的驱动。研究发现:(1)可见光波段的漂浮藻类指数能高精度地提取无人机可见光影像中的绿潮(kappa 系数=0.95);(2)无人机遥感估算3个站位的绿潮漂移速率为0.26～0.44 m/s,漂移方向在1天之内变化明显;(3)绿潮短时间内的漂移受到风与潮流的共同影响,漂移方向与M₂分潮的潮流方向基本一致,位于风向右侧1°～62°。基于船载的无人机航测,能高精度地估算绿潮漂移速度,为精细化的绿潮灾害预警与防控提供技术支撑。     

基于无人机多源遥感数据海岛植被叶面积指数协同反演研究

无人机多源遥感数据的获取、融合以及应用是当今研究的热点和难点。文中以城洲岛为例,针对海岛特殊的地理生态环境,获取无人机多源遥感数据。结合无人机多光谱遥感数据定量分析各遥感植被指数与植被叶面积指数(Leaf Area Index, LAI)的响应关系,构建单因子遥感反演模型;基于无人机激光LiDAR点云提取海岛植被冠层高度模型(Canopy Height Model,CHM),并将其作为自变量引入到多源统计回归分析中,从而构建多源遥感数据协同反演模型,对区域尺度下海岛叶面积指数(LAI)进行估算,开展验证和精度评价。结果显示,加入植被冠层高度因子的协同反演模型的判定系数R2为0.92,绝对平均误差系数为12.29%,预测精度要优于单因子反演模型(判定次数R2为0.86,绝对平均误差系数19.95%)。研究表明,加入了植被冠层高度因子的协同反演模型能在一定程度上提高乔木植被LAI的预测精度。实践证明,无人机多源遥感技术在生态学定量研究中具有巨大的潜力和广阔的应用前景。