智能船舶航行场景复杂度感知方法研究 |
| |
作者姓名: | 石兵华 王晨 郭佳 邸忆 苏义鑫 崔玉定 |
| |
作者单位: | 1. 湖北经济学院信息工程学院人工智能系;2. 中国船舶集团有限公司第七二二研究所;3. 武汉理工大学自动化学院;4. 武汉科技大学汽车与交通工程学院 |
| |
基金项目: | 国家自然科学基金青年项目(52201363);;湖北省自然科学基金项目(2020CFB306); |
| |
摘 要: | 为了解决智能船舶测试场景构建中的长尾问题并提高其测试效率,提出一种基于视觉图像的航行场景复杂度感知方法。本文从图像纹理特征分析出发,构建航行场景复杂度与特征指标之间的数学模型。首先,采用灰度共生矩阵对待测试图像信息进行特征提取,并利用能量、熵、对比度、逆差矩和相关性等多个参数组成特征向量。接着,提出利用集成学习AdaBoost网络模型进行船舶航行场景复杂度感知,即利用大量的图片对所提模型进行训练和学习,获得场景复杂度与各指标之间的非线性数据感知模型。通过在不同数据集上的不同方法进行对比,实验结果表明该感知模型能够真实的反应船舶航行场景的复杂程度,获得结果与人类视觉感知的结果基本一致,其对智能船舶自主航行场景设计与构建都具有的参考价值。
|
关 键 词: | 智能船舶 自主航行 视觉感知 航行场景 复杂度感知 纹理特征 AdaBoost算法 |
|