谢涵清，邓乃铭

(上海交通大学高新船舶与深海开发装备协同创新中心，上海200240)

0 引言

2018年，中国船级社发布了《自主货物运输船舶指南》[1]，指出了自主货物运输船的构造以及船舶各系统的目标和功能要求，其中就包括船舶自主靠离泊这一操作场景，规定了其场景感知等相关技术要求。感知技术是保证船舶自主系统的核心功能模块，是自主靠泊的前提和决策控制的重要依据。本文以船舶自主靠泊感知算法为核心问题展开研究。

船舶领域常用的感知设备有摄像头、雷达和激光雷达等。摄像头具有特征稠密、颜色信息丰富等优点，但难以获得空间信息。雷达和激光雷达能够精准地获取距离信息，但存在数据稀疏，特征不足等缺陷。近年来的研究基本可以分为基于点云的探测技术[2]，基于图像的检测技术[3]和基于多传感器数据的检测技术[4]，这些方法大多通过人工定义目标特征，泛化能力和精度都比较差。随着人工智能的发展，深度学习技术逐步应用在无人船感知算法中，以图像检测为例，如文献[5]将深度网络Fast-RCNN应用在海上舰船目标检测中，检测的准确率和速度都有一定的提升。但是目前基于深度学习的多传感器融合技术在船舶领域还未被实现与应用，而国内外这方面的技术已经在其他领域[6]取得不错成果。

本文根据《指南》对船舶靠泊探测范围和测量精度的要求，选择摄像头和激光雷达作为船舶自主靠泊的感知设备，设计并实现了基于深度学习的三维感知算法，使用卷积神经网络提取点云与图像的特征，利用空间连续卷积网络将两者特征进行深度融合，并在融合两者优势的特征图上检测三维目标。……