集成SSD-SIOCT算法的自动目标监测研究

徐克鹏 李少乾 吴妍 刘桂华

摘  要：目标检测与空间定位在计算机视觉、数字近景摄影测量以及地理信息系统等领域中具有重要的研究价值。该文通过分析现有的移动测量系统的工作原理，研究移动车载测图系统数据处理方面的关键技术，将移动车载测图系统的理论与工程应用相结合，提出一种集成SSD-SIOCT算法的自动目标监测与空间定位方法，包括移动站采集硬件配置设计、影像采集方法等，实现地理对象的自动目标检测，保证检测精度，为巡检工作提供方法支撑，有效降低人工目标查看工作量，在实际工程中具有很好的应用价值。

关键词：车载移动测量系统  目标监测  目标空间定位  前方交会

中图分类号：U412.2   文献标识码：A 文章编号：1672-3791（2019）10（b）-0006-02

车辆移动测量系统将汽车用作遥感平台，同时安装有高精度动态GNSS和高动态载波姿态传感器IMU，GNSS/IMU组合定位姿态传感器使车载系统能够直接对DG进行地理定位。在目前的相关研究中，石丽梅等人表明当GPS信号良好时，测量点的绝对定位误差可以达到平面10.3cm，仰角16.5cm，在短距离范围内距离测量的相对误差约为5cm，GPS信号对相对测量没有明显影响[1]。邹晓亮等人介绍了移动车载测图系统的组成，阐述了POSLV松组合、紧组合的组合策略以及框架体系，评估POSLV系统的后处理定位精度，在受GPS卫星信号失锁的影响下，POSLV数据后处理达到厘米级定位精度[2]。陈云芳等人使用线/面阵CCD相机和其他传感器结合车载移动数据快速采集系统，实现了城市目标地理坐标和建模信息的快速获取[3]。

1  整体流程

该文设计一套完整的地理对象自动检测与定位方法流程，具体包括移动站采集硬件配置设计、影像采集方法、地理对象自动目标检测算法、影像像素框反算地理像素框算法、单一对象多空间位置点拟合最佳位置点算法，从而实现快速获取地理对象的地理坐标，为巡检工作提供方法支撑，具体的技术路线图如图1所示。

2  关键技术

为了更快、更精确地对地理对象进行目标检测，该文使用SSD算法进行模型构建与训练，SSD的核心是在特征图上使用卷积核来预测一系列默认边界框的类别得分和偏移量。为了提高检测精度，还要对不同尺度的特征图进行预测，实施端到端训练，即使图像的分辨率相对较低，也能确保检测的准确性。

整体来看，SSD是基于一个前向传播CNN网络，如图2所示，产生一系列固定大小（fixed-size）的bounding boxes，以及每一个box中包含物体实例的可能性，即在得到score之后，进行一个非极大值抑制（Non-maximum suppression）得到最终的predictions。SSD基于VGG16的基本网络结构，使用VGG16前5层，然后使用austous算法将fc6和fc7层转换为两个卷积层，再增加了三个卷积层和一个pool层。不同级别的特征图用于默认框的偏移和不同类别分数的预测，这些增加的卷积特征图的大小不同，允许检测不同比例的对象：在较低级别的特征图中，感受野相对较小，并且高级感受野相对较大。SSD移除完全连接的层，每个输出仅感知目标周围的信息，包括上下文信息，这样做能够提高预测合理性，能够预测具有不同宽高比的图像，从而将预测框的比率增加。

3  实验

该文实验采集的数据样本主要是通过机动站相机拍照、互联网爬虫等方式获得，对采集到的样本通过翻折和旋转等方式进行样本增强，然后对数据样本中的关键对象进行分类，通过SSD基本模型根据需求进行改进，构建用于需求的深度学习识别模型，将采集的影像进行目标检测，应用于测试新的样本和对地理对象的监测。总体而言，SSD基于前向传播的CNN网络，该网络生成一系列固定大小的边界框，并且可以在每个框中包含对象的实例，即得分，然后进行一个非极大值抑制（Non-maximu suppression）得到最终的predictions，实验结果如图3、图4所示。

完成SSD训练之后，将最后的模型保存为.pb文件，通过Flask即可调用。构建前端页面时，輸入要检测的图片即可进行目标标注，并返回json数据。

4  结语

该文设计并实现一套完整的地理对象自动检测与定位方法流程，移动站采集符合地理对象自动检测与定位影像的硬件配置标准，用于实现地理对象的自动目标检测;基于移动站的内方位元素、外方位元素及SIOCTL的三维空间前方交会算法，实现匹配像素点组反算其对应的地理坐标，并评价其测绘精度;当一个地理对象在多个影像上被拍摄到且被检测到时，基于其语义对同一对象的多地理位置点进行最佳位置点的拟合，得到最精确的地理对象位置，有效降低人工目标查看工作量、提升巡查效率，从而减少人力、财力的消耗。

参考文献

[1] 石丽梅，赵红蕊，李明海，等.车载移动测图系统外方位元素标定方法[J].测绘学报，2015，44（1）：52-58.

[2] 邹晓亮，张永生，赵桂华，等.移动车载测图系统的POSLV定位精度评估[J].测绘科学，2010，35（6）：92-95，122.

[3] 陈允芳，叶泽田，卢秀山，等.车载移动测图系统设计与应用探讨[J].工程勘察，2007，35（12）：46-49.