第44卷第4期2023年4月激光杂志LASERJOURNALVol.44,No.4April,2023http∶//www.laserjournal.cn收稿日期:2022-07-23基金项目:贵州省普通高等学校青年科技人才成长项目(No.黔教合KY[2020]187)作者简介:柴群(1979-),男,硕士,副教授,研究方向:计算机视觉。基于改进YOLOv3的无人机机载激光雷达图像目标定位方法柴群,李俊杰,梁剑波凯里学院大数据工程学院,贵州凯里556011摘要:为提升无人机机载激光雷达图像小目标定位的精度,提出基于改进YOLOv3的无人机机载激光雷达图像目标定位方法。基于MCA算法分割激光雷达图像信息,通过包含脊小波字典的稀疏表达重新构建图像信息,达到去除目标图像噪声的目的;通过变化检测技术分离目标区域聚类信息,将目标区域从背景区域中分离;将目标区域输入到优化后的YOLOv3算法中完成无人机机载激光雷达图像目标的定位。实验结果表明,所提算法的定位精度为95.1%,定位耗时平均为20.6s。关键词:激光雷达图像定位;MCA算法;变化检测技术;置信度函数;改进YOLOv3算法中图分类号:TN713文献标识码:Adoi:10.14016/j.cnki.jgzz.2023.04.202TargetlocalizationmethodofUAVairbornelidarimagebasedonimprovedYOLOv3CHAIQun,LIJunjie,LIANGJianboBigDataEngineeringCollege,KailiUniversity,Kaili556011,ChinaAbstract:ToimprovetheaccuracyofsmalltargetlocationinUAVairbornelidarimage,atargetlocationmethodbasedonimprovedYOLOv3isproposed.BasedonMCAalgorithm,thelidarimageinformationissegmented,andtheimageinformationisreconstructedbythesparseexpressionincludingridgeletdictionarytoremovethenoiseofthetar-getimage.Theclusterinformationofthattargetareaisseparatedbythechangedetectiontechnology,andthetargetareaisseparatefromthebackgroundarea.ThetargetareaisinputintotheoptimizedYOLOv3algorithmtolocatethetargetofUAVairbornelidarimage.Experimentalresultsshowthatthepositioningaccuracyoftheproposedalgorithmis95.1%,andtheaveragepositioningtimeis20.6s.Keywords:lidarimagepositioning;MCAalgorithm;changedetectiontechnology;confidencefunction;im-provedYOLOv3algorithm1引言合成孔径雷达技术与人工智能结合的研究在过去几十年中取得巨大进步,并被广泛应用在航海、军事、航空等领域[1-2],至今仍是国内外学者研究的重点问题。但其在针对无人机等遥感小目标检测时,仍存在识别完整度低及精确度低的问题...
