周治国，刘开元，郑翼鹏，屈崇，2，王黎明

(1. 北京理工大学 信息与电子学院，北京 100081；2. 中国船舶重工集团公司第七一一研究所， 上海 201108；3. 中国人民解放军海军工程大学，湖北，武汉 430032)

提 要:针对高速无人艇自主航行时对视觉检测的实时性以及由于水面场景变化和波浪反射等干扰的鲁棒性需求，提出一种基于深度学习的高速无人艇视觉检测实时算法. 采用基于MobileNet的神经网络快速提取全图特征，设计SSD结构的检测网络融合各层特征图的结果以完成快速多尺度检测，并在嵌入式GPU NVIDIA Jetson TX2硬件平台上将算法实现并验证. 结果表明，该算法能够实时检测多类水上特定目标，具有鲁棒性强、多尺度的特点，单帧视频的检测时间可以控制在50 ms以内.

水面无人艇是一种具备自主路径规划和自主导航能力的水上平台，在军事和民用领域有着广泛的应用前景. 实际应用中，无人艇在高动态环境中自主航行并完成任务，要求具备感知环境、发现潜在威胁以及执行合理路径的能力[1]，一般需配备超声探头、视觉传感器、毫米波雷达、X波段雷达、激光测距仪等传感器获取环境和障碍物信息，其各自的感知范围如表1所示.

表1 常见传感器及其感知范围Tab.1 Common sensors and sensing range

由表1中所列数据可知超声探头与毫米波雷达覆盖范围较小，激光测距仪检测覆盖范围广，但条件较苛刻，X波段雷达近距离检测效果不好，而视觉传感器的感知范围较为合适. 另外雷达等传感器获取的信息量较少，能够进行……