由于地磁场的存在,会使铁磁性物体产生磁异常现象。作为磁异常探测领域重要的分支,运动磁性目标定位与识别具有高效、稳定、隐蔽性强等优点,在医疗、交通、军事等领域得到了广泛的应用。目前的定位以及识别方法存在计算速度慢、鲁棒性差等缺点,无法满足运动磁性目标对于实时性和准确性的要求。本文以磁偶极子模型为基础,分别对运动磁性目标定位以及识别方法展开了研究,主要的研究内容如下:在硬件系统搭建方面,本文采用RM3100磁传感器芯片搭建了3×3磁传感器阵列,通过485总线实现了与上位机之间的通信,为本文的算法研究提供实验基础。此外,还搭建了基于NSGA-II(Non-dominated Sorting Genetic Algorithms II)算法优化的低噪声、小重量、小体积的感应式磁力仪磁测系统,为从多角度对运动磁性目标识别方法的研究提供硬件平台支持。在定位方法研究方面,本文针对两类定位算法展开了研究:基于YOLOV3(You Only Look Once V3)的二维可视化定位方法和基于改进PSO-LM(Particle Swarm Optimization,Levenberg-Marquardt)的六自由度混合定位方法。YOLOV3是一种高效、准确、实时的深度学习目标检测算法。利用有限元分析软件COMSOL生成的磁异常场分布图作为神经网络的训练集,并且在加入不同信噪比等级的噪声水平下对定位算法的性能进行了测试。仿真实验结果表明,在无噪声时,YOLOV3定位方法的运算时间在0.1秒以内,最大定位误差为0.011m。然而,在特定的场景下仅获取磁源的二维位置信息不能满足使用需求,需要得到其位置和姿态信息。在计算磁性目标的位姿信息时,将定位问题转化为最小二乘问题,通过对比分析LM、PSO算法对于磁源定位问题的求解能力,最终确定了将改进的PSO-LM算法作为运动磁性目标的六自由度定位方法。仿真实验测试了在不同噪声水平下以及物体不同运动轨迹下的定位能力,实验结果表明,在无噪声时,算法的计算时间在0.3秒以内,定位误差为0.003m,定向误差为0.0062rad,磁矩误差为0.31%,是一种兼具精度和速度的定位方法。此外,在实测实验中,磁性物体处于静止和运动的状态下,都实现了对目标的成功定位。在识别方法研究方面,本文从一维和二维两个角度对运动磁性目标识别展开了研究。在一维识别方面,基于感应式磁力仪有限元仿真模型对运动磁性物体与感应电压之间的关系展开了分析,并且在实测实验中验证了理论分析的正确性,利用优化后的感应式磁力仪实现了对于有无运动物体的以及运动速度的判断,速度的计算误差小于1cm/s。在二维识别方面,由于深度神经网络拥有强大的表征学习能力,因此本文选择将磁性目标识别问题转化为语义分割和实例分割问题,通过UNet和YOLACT(You Only Look At Coefficien Ts)网络实现了对磁性目标形状的识别,并且在硬件平台上得到了验证。利用COMSOL软件建立不同形状磁源的仿真模型,将生成的图像样本作为两个神经网络的训练集。仿真结果表明,两种模型都可以实现对不同磁性物体的形状识别,但是当磁场被外界干扰时,YOLACT网络具有更高的识别精度;此外,YOLACT网络还具有更高的计算速度,算法的推理时间在0.2秒以内,具有较高的实时性,并在实测实验中验证了本文二维运动磁性目标识别方法的实用性。
暂无评论