DisBeaNet: A Deep Neural Network to augment Unmanned Surface Vessels for maritime situational awareness

智能海上船只的检测和跟踪在无人驾驶水面船只（USV）的交通避让中发挥着重要作用。目前的交通避让软件主要依赖自动识别系统（AIS）和雷达来跟踪其他船只以避免碰撞，并作为典型的感知系统来检测目标。然而，在竞争环境下，发射雷达能量也会增加被对手检测的风险。关闭这些无线电发射源将增加被检测的威胁，并降低USV在附近监测航运交通的能力。因此，本文提出了一种基于带有被动感知能力的机载相机的智能视觉感知系统，旨在帮助USV解决这个问题。本文将介绍一种新型低成本的视觉感知系统，用于检测和跟踪海上船只。这种新型低成本的视觉感知系统使用深度学习框架介绍。一个名为DisBeaNet的神经网络可以检测船只、跟踪船只，并估计单目相机距离和方位角的船只。从该神经网络获得的输出用于确定已识别船只的纬度和经度。

论文试图解决在争夺环境下，无人艇监测船只的问题，通过一种基于深度学习的低成本视觉感知系统来解决这个问题。

论文提出了一种基于深度学习的低成本视觉感知系统，使用神经网络DisBeaNet来检测和跟踪船只，并估计船只与无人艇的距离和方位，进而确定船只的经纬度。

论文的亮点包括使用低成本视觉感知系统来解决监测船只的问题，使用深度学习框架和神经网络来检测和跟踪船只，实验结果表明该系统能够有效地检测和跟踪船只，且精度较高。

近期在该领域的相关研究包括：1. 'AIS and radar-based collision avoidance system for unmanned surface vehicles'；2. 'Object detection and tracking for unmanned surface vehicles using machine learning techniques'；3. 'A survey of unmanned surface vehicle control: From perception to decision-making'。