下载文档原格式
基于改进YOLOv5s和传感器融合的目标检测定位作者：郑宇宏曾庆喜冀徐芳王荣琛宋雨昕来源：《河北科技大学学报》2024年第02期摘要：针对无人车环境感知过程中相机无法提供道路目标的位置信息，激光雷达点云稀疏以致检测方面难以达到很好效果的问题，提出一种通过融合两者信息进行目标检测和定位的方法。
采用深度学习中YOLOv5s算法进行目标检测，通过联合标定进行相机与激光雷达外参的获取以转换传感器之间的坐标，使雷达点云数据能投影到相机图像数据中，得到检测目标的位置信息，最后进行实车验证。
结果表明，所提算法能在搭载TX2嵌入式计算平台的无人车自动驾驶平台上拥有27.2 Hz的检测速度，并且在一段时间的检测环境中保持12.50%的漏检率和35.32 m的最远识别距离以及0.18 m的平均定位精度。
将激光雷达和相机融合，可实现嵌入式系统下的道路目标检测定位，为嵌入式平台下环境感知系统的搭建提供了参考。
关键词：传感器技术；深度学习；目标检测与定位；无人车环境感知；相机与LiDAR融合中图分类号：TP242.6 文献标识码：A 文章編号：1008-1542（2024）02-0122-09Target detection and localization based on improvedYOLOv5s and sensor fusionZHENG Yuhong，ZENG Qingxi，JI Xufang，WANG Rongchen，SONG Yuxin（College of Automation Engineering， Nanjing University of Aeronautics and Astronautics，Nanjing， Jiangsu 211106， China）Abstract：As two important sensors in the process of unmanned vehicle environment perception， the camera cannot provide the position information of the road target， and the LiDAR point cloud is sparse， which makes it difficult to achieve good results in detection， so that amethod was proposed which fuses the information of the two sensors for target detection and localization. YOLOv5s algorithm in deep learning was adopted for target detection， and the external parameters of camera and LIDAR were acquired through joint calibration to convert the coordinates between the sensors， so that the radar point cloud data can be projected into the camera image data， and finally the position information of the detected target was obtained. The real vehicle experiments were conducted. The results show that the algorithm can achieve a detection speed of 27.2 Hz on the unmanned vehicle autopilot platform equipped with TX2 embedded computing platform， and maintain a leakage rate of 12.50%， a maximum recognition distance of 35.32 m，and an average localization accuracy of 0.18 m over a period of time in the detection environment. The fusion of LiDAR and camera can achieve road target detection and localization in embedded system， providing a reference for the construction of environment perception systems on embedded platforms.Keywords：sensor technology; deep learning; target detection and localization; unmanned vehicle environment perception; camera and LiDAR fusion对无人车行驶过程中的障碍物（如行人）进行检测和定位是保障其行驶安全非常重要的一部分。
移动无线传感器网络中的覆盖与定位技术研究移动无线传感器网络（Mobile Wireless Sensor Networks，MWSN）作为无线传感器网络的一种特殊形态，具有涉及更复杂的问题和更高的技术挑战。
其中，覆盖与定位技术是MWSN中关键的研究领域。
本文将重点探讨MWSN中的覆盖与定位技术，并介绍相关的研究进展和应用。
一、覆盖技术覆盖是指传感器节点通过无线通信技术对感兴趣的区域进行监测和采集。
在MWSN中，覆盖技术的目标是通过最少的传感器节点来实现对目标区域的全面监测，同时保证网络的稳定性和能耗效率。
1. 部署策略部署策略是覆盖技术中的核心问题之一，不同的部署策略对网络的性能和效率有着重要影响。
常见的部署策略包括均匀部署、随机部署和克隆部署等。
均匀部署可以实现全面覆盖，但传感器节点数量较多，造成能耗过高；随机部署能够降低能耗，但无法保证全面覆盖；克隆部署可以通过克隆节点来增加覆盖率，但会引入重复信息。
因此，需要根据实际应用场景和需求选择合适的部署策略。
2. 覆盖维持和修复MWSN中的传感器节点可能会出现能量耗尽、故障或被移动等情况，导致覆盖范围减小或不完整。
为了维持和修复覆盖，需要对节点状态进行实时监测和管理。
此外，可以通过部署额外的节点来补充覆盖区域，或者通过传感器节点的移动来调整覆盖范围。
二、定位技术定位技术是MWSN中另一个重要的研究方向，它的目标是通过无线通信技术确定传感器节点的位置信息。
准确的定位信息对于很多应用如目标跟踪、导航和地理信息系统等都是必要的。
1. 节点定位算法节点定位算法是定位技术中的核心内容，目前常见的定位算法包括多普勒效应法、距离测量法、角度测量法和混合定位法等。
多普勒效应法通过测量移动节点和参考节点之间的多普勒频移来计算位置；距离测量法基于节点之间的信号强度和传播时间来估算距离；角度测量法利用方向和角度信息来定位节点；混合定位法结合多种技术来提高定位准确度。
不同的算法适用于不同的环境和应用场景，研究人员需要根据实际需求选择合适的定位算法。
基于人工智能的无线传感器网络节点定位算法研究在无线传感器网络（Wireless Sensor Networks, WSN）中，节点定位是一个重要的问题。
准确的节点定位可以提供重要的位置信息，从而帮助实现诸如环境监测、智能交通、物流管理和军事侦查等应用。
随着人工智能（Artificial Intelligence, AI）的发展，基于人工智能的无线传感器网络节点定位算法逐渐得到关注和研究。
在传统的节点定位方法中，常使用全局定位系统（Global Positioning System, GPS）等技术来获取节点的坐标信息。
然而，在某些环境中，GPS定位可能无法实现，例如在室内环境或者是建筑物内部。
此时，基于人工智能的无线传感器网络节点定位算法可以提供一种有效的替代方案。
基于人工智能的无线传感器网络节点定位算法主要分为两个步骤：距离估计和位置推断。
首先，距离估计是通过无线信号强度衰减模型来估计节点之间的距离。
传统的无线传感器网络节点定位算法通常使用固定的衰减模型来估计距离。
然而，基于人工智能的算法可以使用机器学习技术，通过建模和学习来自动选择最佳的衰减模型，并进行距离估计。
例如，可以使用神经网络、支持向量机或者深度学习算法来建立距离估计模型，并通过训练数据来优化模型参数。
其次，位置推断是根据节点之间的距离估计结果来推断节点的坐标位置。
传统的位置推断方法包括三角测量和多边形法。
然而，这些方法通常需要多个节点之间的协作、时间同步和复杂的计算，限制了其在实际应用中的可用性。
基于人工智能的算法可以利用机器学习技术，综合考虑距离估计结果、拓扑结构和节点属性等信息，来进行位置推断。
例如，可以使用粒子滤波、卡尔曼滤波或者贝叶斯网络等方法来实现节点位置的推断。
基于人工智能的无线传感器网络节点定位算法具有以下优势：首先，基于人工智能的算法可以适应不同的环境和场景。
传统的节点定位方法通常依赖于特定的硬件设备或者基础设施，并且对环境有较高的要求。
专利名称：定位目标无线传感器网络节点的方法及控制装置专利类型：发明专利
发明人：乔自知,陈崴嵬,郭景赞,金雨超,郭省力,李京辉,李峻洋,孟照方,李德屹,李强
申请号：CN201710393674.6
申请日：20170527
公开号：CN107222841A
公开日：
20170929
专利内容由知识产权出版社提供
摘要：本发明实施例提供一种定位目标无线传感器网络节点的方法及控制装置，涉及通信技术领域，解决现有技术中由于真实环境随时在变化，导致通过感知真实环境确定的无线传感器网络节点的位置不准确的问题。
该无线传感器网络WSN包括：至少两个WSN节点，该方法包括：从至少两个WSN节点中选取目标WSN节点和参考WSN节点；控制参考WSN节点发送信标信号；获取目标WSN 节点采集的信标信号的感应数据、以及目标WSN节点采集的信标信号中携带的参考WSN节点的标识；根据参考WSN节点发送的信标信号的强度数据、以及目标WSN节点采集到的信标信号的感应数据、参考WSN节点的标识，确定目标WSN节点相对于参考WSN节点的位置。
申请人：中国联合网络通信集团有限公司
地址：100033 北京市西城区金融大街21号
国籍：CN
代理机构：北京中博世达专利商标代理有限公司
代理人：申健
更多信息请下载全文后查看。
专利名称：一种面向区域监测的无线传感器网络节点布设的优化方法
专利类型：发明专利
发明人：余志军,魏建明,刘海涛,潘强
申请号：CN200810201237.0
申请日：20081015
公开号：CN101383736A
公开日：
20090311
专利内容由知识产权出版社提供
摘要：本发明公开了一种面向区域监测的无线传感器网络节点布设的优化方法。
包括：首先对包含障碍区和热区的无线传感器网络监测范围进行网格化，根据节点检测模型和对各不同类型区域的覆盖要求，建立待优化的目标函数，使用粒子群优化算法来求解最佳的节点布设位置集合，并结合布设问题的特点设计了最好－最坏变异和弹性势能变异两种变异算子，以加快粒子群优化算法的收敛速度，最后，利用匈牙利算法得到节点初始布设位置集合与优化布设位置集合的最佳一一映射关系，使节点移动到优化布设位置所消耗的总能量最少。
通过本发明，可以高效地解决无线传感器网络节点布设优化所面临的高维优化问题，从目标检测功能的角度来提高监测区域的覆盖率。
申请人：中国科学院上海微系统与信息技术研究所
地址：200050 上海市长宁区长宁路865号
国籍：CN
代理机构：上海智信专利代理有限公司
代理人：潘振甦
更多信息请下载全文后查看。
基于蜂窝网格锚点的虚拟力导向节点部署算法钱开国;王伟;申时凯;戴祖诚【摘要】为满足覆盖需求,提出了一种基于蜂窝网格锚点的虚拟力导向节点再部署覆盖增强算法;算法基于传感器节点覆盖圆盘与其邻居节点覆盖圆盘的交点构成正六边形蜂窝时,有效覆盖面积最大理论,设置对随机部署的节点虚拟引力锚点作为虚拟力导向移动的目标,建立锚点对节点的虚拟引力,建立节点之间虚拟斥力来避免节点移动中的碰撞问题;完成随机播撒的节点在虚拟力的作用下的再部署,提高覆盖率,保证覆盖质量;Matlab R2012a仿真实验中,随机部署不同数量的节点,网络覆盖率均较快达到95％以上,满足覆盖需求.【期刊名称】《计算机测量与控制》【年(卷),期】2014(022)006【总页数】3页(P1839-1841)【关键词】无线传感器网络;蜂窝网格锚点;虚拟力;节点部署【作者】钱开国;王伟;申时凯;戴祖诚【作者单位】昆明学院物理科学与技术系,昆明650214;北京航天测控技术有限公司,北京 100041;昆明学院信息技术学院,昆明650214;函馆未来大学,日本函馆000000;昆明学院物理科学与技术系,昆明650214【正文语种】中文【中图分类】TP3930 引言覆盖控制［1］是线传感器网络应用的一个基本问题，决定着网络组网成本、拓扑控制、路由协议设计和网络覆盖率等。
通常有2种传感器节点部署策略：确定性部署和随机部署，在复杂多变和工作人员难以达到的场合，一般采用随机部署，为了提高网络的覆盖率，须投放多于实际需要的传感器节点数量，导致监测区域出现大量的冗余节点，形成覆盖重叠，增加了建网成本。
随着微电子技术的发展，出现了成本低廉、可移动的传感器网络节点［2－3］。
可借助节点的移动能力，在随机播撒后控制节点的移动、实现传感器网络的再部署来满足网络的覆盖需求。
有效控制传感器网络节点自行移动的机制是引入虚拟力导向控制节点移动［4－6］，算法思想是节点在虚拟力的作用下移动完成再部署，节点受到其他节点的作用力，任务区域障碍物的斥力的合力作用下移动，合力为零时停止移动。
第25卷第1期2012年1月传感技术学报CHINESE JOURNAL OF SENSORS AND ACTUATORSVol．25No．1Jan．2012项目来源：国家863计划项目（2011AA100706）收稿日期：2011－05－20修改日期：2011－10－09A Deterministic Sensor Node Deployment Method with Target CoverageBased on Grid Scan *GUO Xiuming 1，2，ZHAO Chunjiang 2，3*，YANG Xinting 2，3，SUN Chuanheng 2，LI Ming 2，LI Wenyong 2，ZHOU Chao 2（1．College of Information and Electrical Engineering ，China Agricultural University ，Beijing 100083，China ；2．National Engineering Research Center for Information Technology in Agriculture ，Beijing 100097，China ；3．Key Laboratory for Information Technologies in Agriculture ，Ministry of Agriculture ，Beijing 100097，China ）Abstract ：The paper proposes a deterministic sensor node deployment method with target coverage based on grid scan．First ，divide the area into grids．Then ，choose the best grid to place the next sensor．Meanwhile ，a probabilistic sensing model is introduced ，the least sensing probability with which a node can sense a target is used to measure the whole coverage level ，the evaluation of a grid is based on the amount of targets the node can sense and the least sensing probability with which it can sense the targets．The method can use the least nodes to achieve the target cov-erage ，meet the required level of the whole coverage and get better positions for node deployment．Simulation experi-ments are done with different grid side sizes and different lower limits of sensing probability．Experiment results show that the node position is more accurate when the grid side size is smaller．The higher the lower limit of sensing probability is ，the better the performance is ，and more nodes are needed．Key words ：WSNs （wireless sensor networks ）；target coverage ；sensor deployment ；grid ；probabilistic sensing model EEACC ：5210；5210Cdoi ：10．3969/j．issn．1004－1699．2012．01．021基于网格扫描的实现目标点覆盖的确定性传感器节点部署方法*郭秀明1，2，赵春江2，3*，杨信廷2，3，孙传恒2，李明2，李文勇2，周超2（1．中国农业大学信息与电气工程学院，北京100083；2．国家农业信息化工程技术研究中心，北京100097；3．农业部农业信息技术重点开放实验室，北京100097）摘要：提出了一种确定性目标点覆盖算法，把目标点所在区域划分为若干正方形网格，从中选择最适合的网格作为下一个节点的放置位置；同时本文引入了概率感知模型，把节点能感知到目标点的最小感知概率值作为整体覆盖水平的评价指标，把节点能感知到目标点的个数及对它们的最小感知概率值作为网格的评价标准。
该方法能使用最少的节点实现目标点覆盖并达到要求的总体覆盖水平，且能计算出较优的节点部署位置；对网格边长和感知概率下限的不同取值分别进行仿真实验。
实验结果表明，网格边长越小，节点部署位置越精确；感知概率下限取值越大，总体覆盖性能越好，需要的节点越多。
关键词：无线传感器网络；目标点覆盖；节点部署；网格；概率感知模型中图分类号：TN91918文献标识码：A 文章编号：1004－1699（2012）01－0104－06无线传感器网络（Wireless Sensor Networks ，WSNs ）是由部署在观测环境附近的大量微型低功耗的传感器节点组成的多跳网络系统，目的是实时检测、感知和采集各种对象的信息。
这些信息通过无线第1期郭秀明，赵春江，等：基于网格扫描的实现目标点覆盖的确定性传感器节点部署方法方式发送，并以自组织的网络方式传送到用户终端，从而实现物理世界、计算世界以及人类社会的三元世界的联通。
WSN在军事国防、环境监测、生物医疗、智能家居、危险区域的远程监控等领域得到了广泛的应用，引起了学术界和工业界的高度重视［1－2］。
在构建无线传感器网络过程中，网络覆盖是最基本的问题之一［3］。
根据覆盖对象，覆盖可分为区域性全覆盖［4］、关键点覆盖［5］、边界覆盖［6］、栅栏覆盖［7］等，根据部署方式可分为随机部署和确定性部署［8］。
在人类很难到达的地区，如战场、森林等，多使用随机部署方式；飞机抛洒大量节点到目标区域，节点自动组网［9］。
在人类容易到达的地方如农田等，手工确定性部署节点能减少传感器节点数目，降低成本［5］。
近年来，众多学者对WSN的覆盖问题进行了研究，取得了一定成果［10］。
林祝亮等［11］在粒子进化的多粒子群算法的基础上，提出了一种无线传感器网络覆盖的优化策略，扩大了网络覆盖范围，延长了网络寿命。
李明等［12］针对异构传感器网络节点的高密度部署和监测目标非均匀分布的情况，提出了一种基于模拟退火算法的成本最优化部署方法。
Yan Ruoyu等［13］通过网格扫描的再部署方法使用较少的传感器节点实现了较大的区域覆盖率。
目前的覆盖技术研究多数集中在区域覆盖的随机部署［14－15］、确定性部署［16］以及目标覆盖的随机部署等方面［17］；而针对目标覆盖的确定性部署问题却很少涉及。
目标覆盖的确定性部署，主要针对位置已知的离散目标点，寻找最少的传感器节点数及最佳的节点部署位置。
当目标点分散或者对目标点的覆盖水平要求很高时，须在每个目标点处都放置一个感知节点，如监测目标点的温湿度［18］。
但当目标点密度较大且对目标点覆盖水平要求不是很高时，一个节点可以同时覆盖多个目标点。
何欣等［5］利用目标点的最多层交叠域和遗传算法，提出了一个面向目标覆盖的最优确定性部署方法；该方法极大的降低了网络的部署成本，实现了目标覆盖的确定性部署；但该方法也存在一些不足之处，最多层交叠域的计算复杂，而且遗传算法可能存在早熟问题。
本文提出了一种简单有效的基于网格扫描的目标点覆盖的确定性部署方法，首先把目标点所在区域划分为若干正方形网格，然后从中选择最合适的网格作为下一个节点的放置位置，直到覆盖所有目标点；同时为了评价覆盖水平，本文引入了概率感知模型，更准确的表示节点对目标点的感知水平。
文章第二部分详细介绍了基于网格扫描的目标点覆盖的确定性部署方法；在第三部分，针对网格边长和概率感知模型的感知概率下限分别选取不同数值进行仿真实验，验证本文算法的有效性；最后是论文的总结和结论。
1基于网格扫描的目标点覆盖的节点如何使用最少的节点实现对已知目标点的覆盖并达到预设的覆盖水平是本文要解决的问题。
为了更准确评价覆盖水平，本文引入了概率感知模型，把节点能感知到目标点的最小感知概率作为覆盖水平的评价指标；为了方便确定节点的位置，算法把目标点所在区域划分为若干正方形网格；算法通过网格扫描，不断从中选择最合适的网格作为下一个节点的放置位置，实现目标点的覆盖。
1．1概率感知模型在二值感知模型中，当节点距离目标点的距离小于或等于感知半径r s时，认为能感知覆盖目标点；否则，不能感知覆盖目标点。
由于受到距离、障碍物等各种情况的影响，实际情况与二值感知模型并不一致。
本文采用与实际情况较一致的概率感知模型［19］，把信号强弱转化为感知概率。
目标点g i 被节点s k感知到的概率为p如式（1）所示：p ki=e－αd k i，若d ki≤r s0，{其他（1）参数α代表感知节点的物理特性，d k i为感知节点和目标点之间的距离。
由式（1）可知，目标点与感知节点之间的距离d k i小于或等于r s时，节点对目标点的感知概率为e－αd k i，目标点距离节点越近，被感知的概率越大。
当距离大于感知半径r s时，目标节点不能被感知到。
本文假定当节点与目标点的距离小于或等于r s 且感知概率不小于预定值β时，节点能感知到目标点，否则不能感知到，如式（2）所示，S k i为1表示节点能感知到目标点，否则不能。
β取值越大，覆盖水平越好；反之则越较差。
S ki=1，若d ki≤r s且p k i≥β0，{其他（2）1．2网格划分网格划分是无线传感器网络节点部署中常用的一种方法，它把感兴趣区域划分为若干网格。
网格可以有多种形状，如正方形、六边形、三角形等。
目前网格划分多应用于区域覆盖的节点部署方法［20］中，把目标区域划分为若干边长相同的网格，网格顶501传感技术学报www．chinatransducers．com第25卷点放置感知节点来监测感兴趣区域。
相同形状的网格，网格边长越大，使用的节点越少。
