针对暗环境动态特征轮廓模糊、盲区遮挡情况,高效准确地检测跟踪动态目标特征,对灾害救援、搜寻跟踪具有实际意义。为实现暗环境下模糊轮廓特征的有效检测跟踪,提出一种时空关联机制的红外目标实时检测深度学习网络(Spatial Local Dynam...针对暗环境动态特征轮廓模糊、盲区遮挡情况,高效准确地检测跟踪动态目标特征,对灾害救援、搜寻跟踪具有实际意义。为实现暗环境下模糊轮廓特征的有效检测跟踪,提出一种时空关联机制的红外目标实时检测深度学习网络(Spatial Local Dynamic You Only Look Once Version 8,SLD-YOLOv8),设计非局部自适应Non-local模块和空间通道卷积关联模块,对原YOLOv8网络的瓶颈层Bottleneck CSP进行优化。为有效提取深层空间多尺度表征信息,增加用于小目标检测的160×160检测层和动态检测头,较好地提升暗环境中目标跟踪的边界回归性能,并实时有效地推理出目标特征的相对深度位置信息。实验结果表明,改进后的红外目标检测算法对暗环境下的动态特征检测具有较好的鲁棒性和准确性,其平均精度评估指标mAP_0.5和mAP_0.5:0.95比原模型提高了5.6%和4.5%,证明了新算法对暗环境目标跟踪的有效性。展开更多
因高度向分辨能力缺失,地基干涉雷达应用于建筑成像时会发生严重的高度向叠掩现象。层析合成孔径雷达(Tomographic Synthetic Aperture Radar,TomoSAR)技术具备高度向分辨能力,能够实现建筑三维成像。地基层析圆弧扫描合成孔径雷达(Grou...因高度向分辨能力缺失,地基干涉雷达应用于建筑成像时会发生严重的高度向叠掩现象。层析合成孔径雷达(Tomographic Synthetic Aperture Radar,TomoSAR)技术具备高度向分辨能力,能够实现建筑三维成像。地基层析圆弧扫描合成孔径雷达(Ground-based Tomographic Arc-scanning Synthetic Aperture Radar,GB-TomoArcSAR)通过双轴转台控制天线在不同俯仰角度的水平面内进行圆周扫描来获取高度向合成孔径,实现三维层析成像。本文提出了GB-TomoArcSAR的三维点云生成方法,首先构建了适用于高度向弧形采样条件的层析成像几何模型。其次利用基于巴特沃斯滤波器的奇异值分解(Singular Value Decomposition,SVD)方法进行谱估计,找出层析谱中的峰值及其对应的峰值位置,构成层析向目标候选集。随后利用自对消顺序广义似然比(Sequential Generalized Likelihood Ratio Test with Cancellation,SGLRTC)检测器估计散射体的数目与位置,通过设置检测门限将真实目标的峰值及对应的峰值位置从候选集中筛选出来。最后采用基于空间几何分布的点云优化方法剔除误差点,生成点云图像。文章通过点目标和面目标的仿真实验,验证了所提方法适用于GB-TomoArcSAR,能够有效解决高度向多散射体目标的叠掩问题;进一步开展了实测数据验证,基于所提方法获取了北京市一处建筑基坑的层析点云,其与实际场景几何特征一致。展开更多
文摘针对暗环境动态特征轮廓模糊、盲区遮挡情况,高效准确地检测跟踪动态目标特征,对灾害救援、搜寻跟踪具有实际意义。为实现暗环境下模糊轮廓特征的有效检测跟踪,提出一种时空关联机制的红外目标实时检测深度学习网络(Spatial Local Dynamic You Only Look Once Version 8,SLD-YOLOv8),设计非局部自适应Non-local模块和空间通道卷积关联模块,对原YOLOv8网络的瓶颈层Bottleneck CSP进行优化。为有效提取深层空间多尺度表征信息,增加用于小目标检测的160×160检测层和动态检测头,较好地提升暗环境中目标跟踪的边界回归性能,并实时有效地推理出目标特征的相对深度位置信息。实验结果表明,改进后的红外目标检测算法对暗环境下的动态特征检测具有较好的鲁棒性和准确性,其平均精度评估指标mAP_0.5和mAP_0.5:0.95比原模型提高了5.6%和4.5%,证明了新算法对暗环境目标跟踪的有效性。
文摘因高度向分辨能力缺失,地基干涉雷达应用于建筑成像时会发生严重的高度向叠掩现象。层析合成孔径雷达(Tomographic Synthetic Aperture Radar,TomoSAR)技术具备高度向分辨能力,能够实现建筑三维成像。地基层析圆弧扫描合成孔径雷达(Ground-based Tomographic Arc-scanning Synthetic Aperture Radar,GB-TomoArcSAR)通过双轴转台控制天线在不同俯仰角度的水平面内进行圆周扫描来获取高度向合成孔径,实现三维层析成像。本文提出了GB-TomoArcSAR的三维点云生成方法,首先构建了适用于高度向弧形采样条件的层析成像几何模型。其次利用基于巴特沃斯滤波器的奇异值分解(Singular Value Decomposition,SVD)方法进行谱估计,找出层析谱中的峰值及其对应的峰值位置,构成层析向目标候选集。随后利用自对消顺序广义似然比(Sequential Generalized Likelihood Ratio Test with Cancellation,SGLRTC)检测器估计散射体的数目与位置,通过设置检测门限将真实目标的峰值及对应的峰值位置从候选集中筛选出来。最后采用基于空间几何分布的点云优化方法剔除误差点,生成点云图像。文章通过点目标和面目标的仿真实验,验证了所提方法适用于GB-TomoArcSAR,能够有效解决高度向多散射体目标的叠掩问题;进一步开展了实测数据验证,基于所提方法获取了北京市一处建筑基坑的层析点云,其与实际场景几何特征一致。
