DisBeaNet：一种用于增强无人水面艇海上态势感知的深度神经网络
人工智能
2024-05-21 v2 计算机视觉与模式识别
摘要
海上船只的智能检测与跟踪在无人水面艇（USV）的交通避碰中起着重要作用。当前的交通避碰软件主要依赖自动识别系统（AIS）和雷达来跟踪其他船只以避免碰撞，并充当典型的感知系统来检测目标。然而，在对抗环境中，发射雷达能量也带来了被对手探测到的脆弱性。关闭这些射频发射源将增加被探测的威胁，并降低USV监控附近航运交通的能力。因此，本文提出了一种基于机载摄像头的智能视觉感知系统，该系统具有被动感知能力，旨在帮助USV解决这一问题。本文将介绍一种用于检测和跟踪海上环境中船只的新型低成本视觉感知系统。该新型低成本视觉感知系统使用深度学习框架引入。一个名为DisBeaNet的神经网络可以检测船只、进行跟踪，并从单目摄像头估计船只的距离和方位。从该神经网络获得的输出用于确定所识别船只的纬度和经度。
引用
@article{arxiv.2405.06149,
title = {DisBeaNet: A Deep Neural Network to augment Unmanned Surface Vessels for maritime situational awareness},
author = {Srikanth Vemula and Eulises Franco and Michael Frye},
journal= {arXiv preprint arXiv:2405.06149},
year = {2024}
}