集成SSD-SIOCT算法的自動(dòng)目標(biāo)監(jiān)測(cè)研究

徐克鵬 李少乾 吳妍 劉桂華

摘 ?要：目標(biāo)檢測(cè)與空間定位在計(jì)算機(jī)視覺(jué)、數(shù)字近景攝影測(cè)量以及地理信息系統(tǒng)等領(lǐng)域中具有重要的研究?jī)r(jià)值。該文通過(guò)分析現(xiàn)有的移動(dòng)測(cè)量系統(tǒng)的工作原理，研究移動(dòng)車載測(cè)圖系統(tǒng)數(shù)據(jù)處理方面的關(guān)鍵技術(shù)，將移動(dòng)車載測(cè)圖系統(tǒng)的理論與工程應(yīng)用相結(jié)合，提出一種集成SSD-SIOCT算法的自動(dòng)目標(biāo)監(jiān)測(cè)與空間定位方法，包括移動(dòng)站采集硬件配置設(shè)計(jì)、影像采集方法等，實(shí)現(xiàn)地理對(duì)象的自動(dòng)目標(biāo)檢測(cè)，保證檢測(cè)精度，為巡檢工作提供方法支撐，有效降低人工目標(biāo)查看工作量，在實(shí)際工程中具有很好的應(yīng)用價(jià)值。

關(guān)鍵詞：車載移動(dòng)測(cè)量系統(tǒng) ?目標(biāo)監(jiān)測(cè) ?目標(biāo)空間定位 ?前方交會(huì)

中圖分類號(hào)：U412.2 ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2019）10（b）-0006-02

車輛移動(dòng)測(cè)量系統(tǒng)將汽車用作遙感平臺(tái)，同時(shí)安裝有高精度動(dòng)態(tài)GNSS和高動(dòng)態(tài)載波姿態(tài)傳感器IMU，GNSS/IMU組合定位姿態(tài)傳感器使車載系統(tǒng)能夠直接對(duì)DG進(jìn)行地理定位。在目前的相關(guān)研究中，石麗梅等人表明當(dāng)GPS信號(hào)良好時(shí)，測(cè)量點(diǎn)的絕對(duì)定位誤差可以達(dá)到平面10.3cm，仰角16.5cm，在短距離范圍內(nèi)距離測(cè)量的相對(duì)誤差約為5cm，GPS信號(hào)對(duì)相對(duì)測(cè)量沒(méi)有明顯影響[1]。鄒曉亮等人介紹了移動(dòng)車載測(cè)圖系統(tǒng)的組成，闡述了POSLV松組合、緊組合的組合策略以及框架體系，評(píng)估POSLV系統(tǒng)的后處理定位精度，在受GPS衛(wèi)星信號(hào)失鎖的影響下，POSLV數(shù)據(jù)后處理達(dá)到厘米級(jí)定位精度[2]。陳云芳等人使用線/面陣CCD相機(jī)和其他傳感器結(jié)合車載移動(dòng)數(shù)據(jù)快速采集系統(tǒng)，實(shí)現(xiàn)了城市目標(biāo)地理坐標(biāo)和建模信息的快速獲取[3]。

1 ?整體流程

該文設(shè)計(jì)一套完整的地理對(duì)象自動(dòng)檢測(cè)與定位方法流程，具體包括移動(dòng)站采集硬件配置設(shè)計(jì)、影像采集方法、地理對(duì)象自動(dòng)目標(biāo)檢測(cè)算法、影像像素框反算地理像素框算法、單一對(duì)象多空間位置點(diǎn)擬合最佳位置點(diǎn)算法，從而實(shí)現(xiàn)快速獲取地理對(duì)象的地理坐標(biāo)，為巡檢工作提供方法支撐，具體的技術(shù)路線圖如圖1所示。

2 ?關(guān)鍵技術(shù)

為了更快、更精確地對(duì)地理對(duì)象進(jìn)行目標(biāo)檢測(cè)，該文使用SSD算法進(jìn)行模型構(gòu)建與訓(xùn)練，SSD的核心是在特征圖上使用卷積核來(lái)預(yù)測(cè)一系列默認(rèn)邊界框的類別得分和偏移量。為了提高檢測(cè)精度，還要對(duì)不同尺度的特征圖進(jìn)行預(yù)測(cè)，實(shí)施端到端訓(xùn)練，即使圖像的分辨率相對(duì)較低，也能確保檢測(cè)的準(zhǔn)確性。

整體來(lái)看，SSD是基于一個(gè)前向傳播CNN網(wǎng)絡(luò)，如圖2所示，產(chǎn)生一系列固定大?。╢ixed-size）的bounding boxes，以及每一個(gè)box中包含物體實(shí)例的可能性，即在得到score之后，進(jìn)行一個(gè)非極大值抑制（Non-maximum suppression）得到最終的predictions。SSD基于VGG16的基本網(wǎng)絡(luò)結(jié)構(gòu)，使用VGG16前5層，然后使用austous算法將fc6和fc7層轉(zhuǎn)換為兩個(gè)卷積層，再增加了三個(gè)卷積層和一個(gè)pool層。不同級(jí)別的特征圖用于默認(rèn)框的偏移和不同類別分?jǐn)?shù)的預(yù)測(cè)，這些增加的卷積特征圖的大小不同，允許檢測(cè)不同比例的對(duì)象：在較低級(jí)別的特征圖中，感受野相對(duì)較小，并且高級(jí)感受野相對(duì)較大。SSD移除完全連接的層，每個(gè)輸出僅感知目標(biāo)周圍的信息，包括上下文信息，這樣做能夠提高預(yù)測(cè)合理性，能夠預(yù)測(cè)具有不同寬高比的圖像，從而將預(yù)測(cè)框的比率增加。

3 ?實(shí)驗(yàn)

該文實(shí)驗(yàn)采集的數(shù)據(jù)樣本主要是通過(guò)機(jī)動(dòng)站相機(jī)拍照、互聯(lián)網(wǎng)爬蟲等方式獲得，對(duì)采集到的樣本通過(guò)翻折和旋轉(zhuǎn)等方式進(jìn)行樣本增強(qiáng)，然后對(duì)數(shù)據(jù)樣本中的關(guān)鍵對(duì)象進(jìn)行分類，通過(guò)SSD基本模型根據(jù)需求進(jìn)行改進(jìn)，構(gòu)建用于需求的深度學(xué)習(xí)識(shí)別模型，將采集的影像進(jìn)行目標(biāo)檢測(cè)，應(yīng)用于測(cè)試新的樣本和對(duì)地理對(duì)象的監(jiān)測(cè)?？傮w而言，SSD基于前向傳播的CNN網(wǎng)絡(luò)，該網(wǎng)絡(luò)生成一系列固定大小的邊界框，并且可以在每個(gè)框中包含對(duì)象的實(shí)例，即得分，然后進(jìn)行一個(gè)非極大值抑制（Non-maximu suppression）得到最終的predictions，實(shí)驗(yàn)結(jié)果如圖3、圖4所示。

完成SSD訓(xùn)練之后，將最后的模型保存為.pb文件，通過(guò)Flask即可調(diào)用。構(gòu)建前端頁(yè)面時(shí)，輸入要檢測(cè)的圖片即可進(jìn)行目標(biāo)標(biāo)注，并返回json數(shù)據(jù)。

4 ?結(jié)語(yǔ)

該文設(shè)計(jì)并實(shí)現(xiàn)一套完整的地理對(duì)象自動(dòng)檢測(cè)與定位方法流程，移動(dòng)站采集符合地理對(duì)象自動(dòng)檢測(cè)與定位影像的硬件配置標(biāo)準(zhǔn)，用于實(shí)現(xiàn)地理對(duì)象的自動(dòng)目標(biāo)檢測(cè);基于移動(dòng)站的內(nèi)方位元素、外方位元素及SIOCTL的三維空間前方交會(huì)算法，實(shí)現(xiàn)匹配像素點(diǎn)組反算其對(duì)應(yīng)的地理坐標(biāo)，并評(píng)價(jià)其測(cè)繪精度;當(dāng)一個(gè)地理對(duì)象在多個(gè)影像上被拍攝到且被檢測(cè)到時(shí)，基于其語(yǔ)義對(duì)同一對(duì)象的多地理位置點(diǎn)進(jìn)行最佳位置點(diǎn)的擬合，得到最精確的地理對(duì)象位置，有效降低人工目標(biāo)查看工作量、提升巡查效率，從而減少人力、財(cái)力的消耗。

參考文獻(xiàn)

[1] 石麗梅，趙紅蕊，李明海，等.車載移動(dòng)測(cè)圖系統(tǒng)外方位元素標(biāo)定方法[J].測(cè)繪學(xué)報(bào)，2015，44（1）：52-58.

[2] 鄒曉亮，張永生，趙桂華，等.移動(dòng)車載測(cè)圖系統(tǒng)的POSLV定位精度評(píng)估[J].測(cè)繪科學(xué)，2010，35（6）：92-95，122.

[3] 陳允芳，葉澤田，盧秀山，等.車載移動(dòng)測(cè)圖系統(tǒng)設(shè)計(jì)與應(yīng)用探討[J].工程勘察，2007，35（12）：46-49.