上海海事大学王胜正，2024年第3篇SCI
论论资讯 ｜ 2024-04-29 ｜
39热度
IEEE Transactions on Intelligent Transportation Systems
Explore content
About the journal
Publish with us
Single-View 3D Object Perception Based on Vessel Generative Adversarial Network for Autonomous Ships
Wang S.; Qiu S.; Sun Z.; Hsieh T.; Qian F.; Xiao Y.
Published：2024-01-01
DOI：10.1109/tits.2024.3380812
研究背景
当今社会，自动驾驶技术逐渐成为热门话题，但在海上自主航行方面，三维物体感知仍然存在挑战。动态目标的三维自动重建一直是三维物体感知系统中的难题。如何有效地从单一视角图像或视频中重建三维船舶模型一直是一个具有挑战性的问题。
研究内容
最新发表在《IEEE智能交通系统杂志》上的一篇论文介绍了一种基于船舶生成对抗网络的单视图三维物体感知方法，旨在提升自主航行的能力。该方法利用形状先验知识和船舶生成对抗网络（Vessel-GAN）从单一视图图像或视频中提取船舶形状特征，实现了三维船舶模型的重建。此外，还提出了一个三维特征网络优化模型，用于优化三维船舶形状感知的循环。
为验证该方法的有效性，研究团队创建了一个高分辨率的单船数据集（HSSD），并将该方法与现有方法进行了评估。实验结果显示，Vessel Segment Network（VSNet）在单船分割任务中提高了HSSD数据集的准确度2.5%。此外，Vessel-GAN能够生成具有令人印象深刻的FID值（5.82）的多视角船舶图像。此外，该模型在ShapeNet数据集上将三维船舶建模的准确度提高了8.9%。
研究意义
这一创新方法有望实现对海洋环境的三维感知，为自主航行的船舶提供更强大的技术支持。这项研究为解决海上自主航行中的三维物体感知问题提供了新的思路和方法，为未来的自动化航行技术发展贡献了重要的创新成果。
学术热榜
查看全部
相关资讯
换一批