面向船舶智能航行的多传感器数据融合方法研究

As the key technology to realize ship intelligent navigation, sensor data fusion plays a vital role in the development of intelligent ship system. This project is intended to research the method of multi-sensor data fusion for ship intelligent navigation, applying the theories and methods of information processing, data fusion, ship maneuvering and so on. The main research work includes: A multi-sensor multi-target tracking and state estimation method considering the ship-self motion state will be proposed based upon Random Finite Set theory. Then, the research on the multi-sensor noise parameter estimation problem will be launched by utilizing serialization expectation maximization idea. Furthermore, we will study the assessment method of safety situation for ship intelligent navigation by combining adaptive dynamic Bayesian Network with Hierarchical Dirichlet Processes. The research results can provide theoretical basis and technological support for the development of intelligent ship system with independent intellectual property rights in China, so as to improve the international competitiveness of artificial intelligence technology in the field of water transportation, as well as enhance the capability of marine development and marine defense, which have important practical significance and academic value.

传感器数据处理是实现船舶智能航行的关键技术，对开发智能船舶系统起着至关重要的作用。本项目拟利用信息处理、数据融合以及船舶操纵等理论和方法，开展面向船舶智能航行的多传感器数据融合方法的研究。主要研究工作包括：基于随机集理论研究考虑船舶自身运动状态的多传感器多目标跟踪与状态估计方法；借鉴序列化期望最大思想研究多传感器噪声参数估计方法；将自适应动态贝叶斯网络与分层狄利克雷过程相结合，研究面向船舶智能航行的安全态势评估方法。本项目的研究成果能为开发具有我国自主知识产权的智能船舶系统提供理论基础和技术支撑，从而提高我国水上运输领域人工智能技术的国际竞争力，增强我国海洋开发和海洋防卫的能力，具有重要的现实意义和学术价值。

在人工智能加速发展的大背景下，海洋必将成为世界科技大国人工智能技术竞争的主战场之一,船舶的智能化、无人化是其发展的必然趋势。传感器数据处理是实现船舶智能航行的关键技术，对开发智能船舶系统起着至关重要的作用。本项目利用信息处理、数据融合以及船舶操纵等理论和方法，开展了面向船舶智能航行的多传感器数据融合方法的研究。主要研究工作包括：风、浪、流条件下的船舶运动学与动力学建模、传感器测量噪声分析与处理方法、多传感器目标检测方法、多传感器多目标跟踪及轨迹预测方法、多传感器数据融合估计方法、避碰决策与路径规划方法以及计算机仿真与实验等。其中，在多传感器目标检测方面，提出了一种基于可见光图像的强语义特征提取结构与多尺度目标检测算法，通过实海域实验验证了所提方法在多尺度检测上优势明显，既提高了目标检测精度，尤其是小目标的精度提升了34%左右，又未明显增加推理时间和参数量，具有高实时性；在目标跟踪方面，提出了一种船舶多目标实时跟踪方法，实验结果表明：提出的方法能够显著提升跟踪性能，其中轨迹切换身份的次数降低了11%，轨迹被打断的次数降低了5.8%，且不会增加计算时间，能够满足海上船舶目标感知的准确性和实时性要求；在传感器数据融合方面，设计了一种自适应加权融合估值算法，对于带间歇性随机故障的多传感器系统而言，设计的自校正加权融合估计算法不仅具有鲁棒性，而且具有较高的融合精度。本项目的研究成果能为开发具有我国自主知识产权的智能船舶系统提供理论依据和技术支撑，从而提高我国水上运输领域人工智能技术的国际竞争力，增强我国海洋开发和海洋防卫的能力。