亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

自主協同控制是實現無人機集群高效協同編隊的一種主流控制方法，屬于當前無人機控制領域的研究熱點和 難點。論文首先從兩類無人機集群編隊自主協同控制主流類型切入。然后，重點對集中式控制類型中的領航者-跟隨者法、 虛擬結構法，和分布式控制類型中的人工勢場法、行為法、一致性理論法、深度強化學習法等典型方法的基本思想、特點和最 新研究進展進行了對比分析。最后，對無人機集群編隊自主協同控制方法的發展趨勢進行展望，以期為后續研究提供參考。

無人機憑借其成本低、適應性強、靈活性高等 優點得到廣泛應用，隨著應用領域不斷擴展，無人 機執行任務的難度和復雜度也日益增加［1］ 。為此， 科研工作者將目光投向了無人機集群領域。無人 機集群［2］ 是指將多個無人機按照一定的結構、模式 進行組合，通過協調控制使其具備群體自主感知、 自主決策和自主行動能力［3］ ，能夠完成單一無人機 難以完成的任務，如戰場滲透［4］ 、遠程偵察［5］ 、電子 干擾［6］ 等。無人機集群編隊控制是集群實現整體 效能最優化的重要基礎。目前，在實際應用中主要 的兩種控制方法是：一種是依據控制目標任務提前 設計固定控制策略，集群內各個無人機按照預先設 計的控制策略進行編隊；另一種是通過遠程遙控實 時發送控制指令，集群內無人機按照指令實現無人 機集群編隊。這兩種控制方法都較為成熟，但難以 滿足無人機集群在場景復雜導致的環境不確定、局 部可觀導致的信息不完全、狀況突發導致的響應強 實時等新領域應用發展中的需要。所以，亟需探索 一種適應新領域應用場景的無人機集群編隊控制方法。

隨著智能控制的不斷發展，自主協同控制的方 法打破了這一瓶頸，該方法是通過集群內無人機之 間的協同感知、自主決策、相互配合，求得目標任務 的最優解，能夠有效提高無人機集群編隊控制的自 主性，充分發揮集群內無人機之間的協作能力，實 現“1+1>2”的效果。為此，探索無人機集群編隊的 自主協同控制方法，實現自主靈活高效的無人機集 群編隊控制，對進一步提高無人機集群執行復雜高 難度任務的能力，拓展加深其應用領域，具有十分 重要的學術研究價值和現實應用意義。

任務分配是無人機集群實現高效遂行作戰任務的關鍵技術。隨著無人機集群技術的發展和作戰樣式的轉變, 無人機集群的作戰任務領域不斷拓展, 任務分配所涵蓋的范圍不斷擴大, 任務分配問題的規模和復雜性不斷增加, 這都對無人機集群任務分配技術提出了新的挑戰。本文對無人機集群作戰理論、任務分配建模、任務預\重分配算法、異構無人系統聯合應用下任務分配的研究現狀進行了全面的總結, 凝練了目前無人機集群任務分配技術面臨的通用化建模、面向多任務的任務預分配算法最優解求解、有限時間下面向突發事件的任務重分配算法尋優、路徑規劃緊耦合下面向大規模異構無人系統的協同任務分配等問題, 并針對性地論述了未來無人機集群任務分配技術的若干發展方向, 為提升無人機集群任務分配的求解質量和求解速度提供新的研究思路和解決途徑, 對于全面了解無人機集群任務分配技術具有重要參考意義。

隨著無人機相關技術的突破創新和快速發展, 無人機類型越來越多樣化, 任務領域范圍不斷拓展, 已經逐步實現從安全空域下執行偵察監視等簡單任務向對抗空域下突防打擊等復雜作戰任務的跨越式發展。與此同時, 網絡化、信息化、體系化的戰場環境呈現出高動態、強對抗、巨復雜等特點, 單架無人機有限的載荷能力很難獨立執行大區域監視、多目標攻擊等復雜任務, 因此無人機的作戰樣式正在朝著集群化和智能化方向發展, 無人機集群協同作戰是未來無人機作戰方式的重要發展趨勢。

在無人機集群作戰中, 低成本、大規模的異構無人機平臺搭載不同的載荷, 通過自組織協同形成規模優勢, 具有資源配置靈活、戰場適應能力強等特點, 可滿足巨復雜、高動態、強對抗的戰場環境下大區域協同偵察監視、協同多目標飽和攻擊等任務需求, 達到集群對抗的效果, 提高無人機集群的作戰效能。

無人機集群作戰帶來的巨大規模優勢和作戰效能引起了以美國為代表的世界各軍事強國對無人機集群作戰技術的熱切關注, 其中無人機集群任務分配技術作為無人機集群作戰的關鍵技術之一, 是實現無人機集群化和智能化的重要技術支撐, 已成為國防工業部門和各科研機構、研究學者的研究熱點。

試驗評估是促進裝備系統作戰能力生成和實戰化應用的重要手段。無人集群依靠自組網實現復雜交互, 具備典型的智能性和涌現性, 開展無人集群試驗評估研究面臨著指標不清、標準模糊、技術方法落后等難題。為了進一步推動無人集群試驗評估理論研究, 對國內外已開展的無人集群試驗評估相關規劃和項目實踐現狀進行了概述。面向評估指標設計和評估方法研究兩個試驗評估關鍵環節, 首先對已有無人集群評估文獻中使用的指標進行了分類梳理, 并分析了現有研究在指標選取和構建方面的特點與不足; 然后, 結合不同無人集群關鍵技術研究中涉及的評價指標, 提出了面向無人集群關鍵技術能力的評估指標設計思路。在此基礎上, 根據具體含義及計算方式, 將已有指標劃分為基礎指標和綜合指標2類, 分類介紹了可用的評估方法, 期望為后續無人集群試驗評估的指標構建和評估方法選取工作提供一定借鑒。 人工智能技術的迅速發展使得智能化的網絡信息體系 成為軍事領域的重要變革趨勢，未來戰爭逐漸呈現出無人化 和智能化的特征［１］。近年來，各國高度重視無人裝備的相關 研究，單體無人裝備的性能大幅提升，但其完成任務的能力 始終有限，無人集群協同作戰應運而生。無人集群最初由無 人飛行器發展而來［２］，是群體智能與無人系統相結合的產 物［１］。其概念可描述為：無人集群是由一定數量的智能和非 智能無人裝備，以單平臺裝備的作戰能力、自主協同技術和 集群控制算法為基礎，以平臺之間的自組網通信為支撐，圍 繞任務目標，模擬自然界生物集群形成的具有功能分布化、 行為涌現性特征的作戰體系［１，３４］。目前，無人集群大致可分 為無人機集群、地面無人車集群、水面無人艇集群、水下無人 潛航器集群以及上述無人裝備的跨域聯合［５］。上述同構或 異構無人集群通過個體之間的自主協同實現作戰能力涌現， 達到“１＋１＞２”的效果，成為未來戰場中的顛覆性力量。無 人集群自主協同是指在無人參與或人工監測下，具備一定自 主性的集群個體既能夠獨立地完成給定任務，又能夠自發地 交互協同完成群體任務［６７］。實現自主協同是構建無人集群 的根本目的，也是其最終發展目標。近年來，世界各主要軍 事強國面向自主協同的無人集群開展了大量的研究項目，內 容集中于無人裝備平臺技術研發、集群自主協同技術探索、 作戰樣式設計以及相關演示驗證等方面。但在整體上，無 人集群的研究仍處于技術探索和發展融合階段，為驗證能 否滿足理想的作戰需求，還需要進行大量的試驗評估工作。 試驗評估是試驗鑒定的重要環節，裝備試驗評估是在 科學組織試驗的基礎上，依據對試驗所得數據的綜合分析， 得到裝備性能、作戰效能、適用性等方面的正確評價結論， 為確定裝備是否滿足研制要求和使用需求提供依據。無人 集群的試驗評估是其從作戰概念走向實際應用的重要橋 梁，對于檢驗無人集群發展水平、指導無人集群實戰化應用 具有重要意義。在概念界定上，無人集群試驗評估尚無統 一定義。梁曉龍等［１］在已有研究和實踐基礎上認為，無人 集群試驗評估是通過提供科學規范的評估過程、方法，以及 置信度高、適應性廣的評估模型，得到對集群自主協同能 力、系統健壯性和作戰效能等的量化評價。基于該認識，本 文將現階段的無人集群試驗評估描述為：基于高置信度的 評估指標和模型，實現對無人集群自主協同特征的有效描 述，以明確試驗數據需求并完成數據獲取與綜合分析，達到 對無人集群的性能、作戰效能及潛在的作戰適用性、體系適 用性等進行評價的目的，為無人集群是否滿足研制要求和 使用需求提供依據。 區別于傳統的裝備系統，自主協同的無人集群執行任 務時具有鮮明的系統涌現性特點，整個集群在作戰過程中 需要對瞬息萬變的作戰環境做出動態的智能決策和協同調 整。因此，無人集群試驗評估存在著評估指標設計難、評估 模型要求高等特點［８］，傳統試驗評估理論已難以適用。針 對這一現實問題，本文在對國內外無人集群試驗評估規劃 和項目實踐現狀進行總結的基礎上，重點對評估指標設計 和評估方法選取兩個關鍵技術環節的研究進行了系統地分 析和梳理，為后續無人集群試驗評估工作提供借鑒。 本文結構組織如下：第１節介紹國內外在無人集群試 驗評估規劃和項目實踐方面的研究現狀；第２節在對已有 無人集群評估研究中使用的指標進行梳理和分析的基礎 上，進一步對各無人集群關鍵技術涉及的評價指標進行了 描述總結，給出了對各關鍵技術能力進行評估的指標設計 思路；第３節按照具體含義和計算方式將無人集群評估指 標分為基礎指標和綜合指標，并分類介紹了無人集群試驗 評估方法；第４節對本文內容進行總結。

基于序列圖像的自主導航作為未來深空探測地外天體精確定點著陸任務的關鍵技術，是目前深空探測技術的重點發展方向之一.針對未來深空探測地外天體精確著陸自主導航的需求，闡述了發展深空探測著陸過程序列圖像自主導航的必要性.首先，分別從主動成像和被動成像兩個方向介紹了基于序列圖像的深空探測著陸過程自主導航研究現狀；然后，總結并分析了基于序列圖像的深空探測著陸過程自主導航涉及到的關鍵技術；最后，根據關鍵技術分析給出了基于序列圖像的深空探測著陸過程自主導航研究目前存在的主要問題并對其后續發展進行了展望.

開展深空探測活動是人類進一步了解宇宙、認 識太陽系、探索地球與生命起源和演化、獲取更多科 學認識的必須手段，更是國家發展、科學探索、科技 創新和開拓疆域的共同需求［１］ ． 隨著科學技術的快 速發展，地外天體著陸探測成為深空探測的重要內 容．目前人類已經實現了對月球、火星、小行星和彗 星的著陸探測，在這些著陸探測任務中采用的著陸 自主導航方法主要是慣性導航．但由于初始導航誤 差、慣性測量誤差以及引力場模型誤差的存在，慣性 導航誤差隨時間增加而逐步增大，因此，慣性導航通 常需要與其他外部敏感器測量信息相結合以提高導 航精度．目前廣泛使用的是基于慣性導航配以測距 測速修正的導航方法，其已在“嫦娥三號”、“阿波羅”等月球著陸任務以及火星著陸任務中得到成功 應用［２－３］ ．盡管測距測速敏感器提供了較高精度的速 度和斜距測量信息，能夠有效地抑制慣性導航在速 度和高度方向上的誤差發散，但是單純的測距測速 無法為慣性導航系統提供水平位置誤差修正信息， 因此這種導航方法只能滿足對著陸精度要求不太高 的探測任務需求． 未來地外天體探測任務要求探測器具有在較高 科學價值的特定區域精確著陸的能力．美國宇航局 （ＮＡＳＡ） ［４］ 提出的精確定點著陸（ ｐｉｎｐｏｉｎｔ ｌａｎｄｉｎｇ ｓｙｓｔｅｍｓ， ＰＰＬ）要求探測器著陸精度在 １００ ｍ 以內， 現有的慣性導航輔以測距測速修正的著陸導航方法 難以滿足精確定點著陸的要求．針對未來深空探測 地外天體精確著陸自主導航的需求，一種最為可行 的技術手段是引入地外天體表面圖像信息進行自主 導航．這主要是由于地外天體表面分布著大量形狀 各異的隕石坑、巖石和紋理等天然陸標，利用地外天體表面陸標圖像信息能夠獲取完備的探測器位置和 姿態信息．采用序列圖像的自主導航技術，作為未來 載人和無人深空探測精確定點著陸任務的關鍵技 術，ＮＡＳＡ 和歐空局（ＥＳＡ）等［５－７］機構都將其作為深 空探測技術的重點發展方向之一． 根據我國 ２０３０ 年前深空探測發展規劃，２０２０ 年前后我國將自主開展火星和小行星等地外天體的 著陸探測任務．在這一背景下，本文對基于序列圖像 的深空探測著陸過程自主導航進行綜述，系統地總 結基于序列圖像的深空探測著陸過程自主導航的研 究現狀，概括并分析基于序列圖像的深空探測著陸 過程自主導航涉及到的關鍵技術，提出當前研究存 在的主要問題并對其后續發展進行展望，為我國未 來的地外天體著陸探測任務提供參考．

海戰場是軍事對抗的重要戰場之一,海上作戰涉及空中、水面、水下以及海岸陸地等空間,作戰資源對象 數量龐大且能力多樣。隨著無人系統技術的不斷發展,跨域無人集群將成為未來海上作戰的重要力量。以海 上跨域無人集群作為研究對象,首先梳理了跨域作戰的相關概念及演變過程,定義了跨域無人集群的內涵,然 后闡述了美軍單域無人集群項目的發展趨勢及現狀,分析了近期跨域無人集群演習的主要內容,之后對無人集 群關鍵技術現有研究成果進行了提煉總結,指出了跨域無人集群發展面臨的挑戰。最后給出了跨域無人集群 未來的發展趨勢。無人系統具有成本低、操作靈活、不懼傷亡等優 勢,能夠深入惡劣、危險的環境中執行任務[1-2],在現 代作戰中具有廣闊的應用前景。已有諸多學者對無 人 集 群 的 編 隊 控 制[3-5]、構 型 演 化[6-7]、路 徑 規 劃[8-10]、任務分配[11-13]等問題開展了研究,取得了一 定的成果。 2022年10月29日,烏克蘭采用無人機和無人 艇組成的無人集群對俄軍黑海艦隊進行突襲并取得 成功,受到了廣泛關注。相較于單域無人集群,運用 多域無人系統組成跨域無人集群,能夠通過跨域平 臺間的任務協同、信息融合、資源互補實現平臺優勢 互補,進一步拓展無人集群作戰運用場景,充分發揮 無人集群的體系作戰優勢。 從當前無人作戰案例和各國無人系統發展趨勢 上可以看出,跨域無人集群將成為無人作戰系統發 展的一個重要方向。為促進相關技術的研究和發 展,本文從“跨域作戰”概念的演變過程入手,對跨域 無人集群的發展概況、作戰樣式、關鍵技術研究現狀 進行了梳理和分析,最后指出跨域無人集群的未來 發展趨勢。

無人集群博弈對抗是一種新興的作戰樣式，將在智能化戰爭扮演著至關重要的作用，其核心 是自主生成博弈對抗決策序列，為集群“賦能”。首先，分析了無人集群博弈對抗系統仿真驗證的 進展；其次，從基于專家系統和博弈論的技術、基于群體智能和優化理論的技術以及基于神經網絡 和強化學習的技術三個方面論述了自主決策關鍵技術，以及課題組在自主決策上開展的相關工作；最后，提出了無人集群博弈對抗的發展方向。 從納卡沖突、俄烏戰爭等現代化戰爭來看，無 人機在偵察情報、對地攻擊、斬首行動等作戰行動 中發揮著重要作用。可以預見，未來高自主無人機、 無人前置射手、無人前置傳感器等多類型無人節點 組成的無人集群將有潛力成為主戰武器，無人集群博弈對抗這種新興的作戰樣式，將在智能化戰爭扮 演著至關重要的作用，深刻影響著未來戰爭的發展 走向[1-4]。無人集群是一種戰術、技術、裝備高度融合的 作戰體系，無人集群體系作戰通過開放式體系架 構，對體系內節點實施“積木式”編組，實時塑造 態勢，實時構造殺傷網，快速閉合最優殺傷鏈，從 而奪取決策行動優勢。從上述制勝機理來看，無人 集群博弈對抗相較于單機對抗，主要區別在于作戰 思想由“平臺中心”向“體系中心”轉變，作戰結 構由“殺傷鏈”向“殺傷網”轉變[5-6]，核心在于 “破體系”，關鍵在于智能自主決策，發展自主決 策關鍵技術能夠有效提升無人集群博弈對抗體系 作戰能力。系統仿真驗證是推動無人集群博弈對抗從構 想到現實的重要環節，通過設定多樣化作戰想定和 任務，在不同輸入條件和參數下，測試博弈對抗算 法的有效性和適應性。為推動無人集群從試驗驗證 向實戰運用發展，亟需開展自主智能決策技術軟/ 硬件在環仿真推演，減小“人在回路”影響，通過 采集大量博弈對抗數據，反饋算法模型迭代升級， 進而驗證并提升無人集群博弈對抗能力。本文從博弈對抗決策系統仿真驗證研究進展 入手，分析了國內外在系統仿真驗證方面的進展， 重點從知識、優化和學習三個角度論述了無人集群 自主智能決策關鍵技術以及課題組相關工作，最后 提出了無人集群博弈對抗發展方向。

深度學習作為當前人工智能領域的研究熱點之一，已經受到廣泛關注。借助于強大的特征表示和學習能力，深度學習日益成為軍事領域智能化發展的技術基礎。首先結合深度學習的最新發展，指出深度學習的快速發展得益于理論的突破、計算機運算能力的顯著提高和開源軟件的廣泛流行，著重梳理了目前主要的深度學習硬件平臺和編程框架，并總結了各自的特點和研究進展；然后對深度學習在目標識別、態勢感知、指揮決策等典型軍事領域的應用和存在的不足進行了總結；最后，分析了深度學習軍事應用面臨的挑戰，包括數據獲取困難、處理不確定不完備信息和多域信息能力不足、精確度和實時性較低、可解釋和可理解性不強等，并針對這些問題展望了未來可能的發展方向和趨勢。 深度學習為很多復雜問題的解決提供了新的思路$由于其具有強大的特征表示和學習能力$在以目 標識別與檢測,態勢感知,智能指揮決策等為代表的 軍事領域中取得了一系列應用成果$并日益成為軍事領域智能化發展的技術基礎與研究熱點。

1. 目標識別與檢測

雷達目標識別一直是軍事領域關注的重點，隨 著高分辨雷達技術的發展，目標的高分辨一維距離 像(high resolution range profile, HRRP)、合成孔徑 雷達(synthetic aperture radar,SAR)圖像等已經成 為軍事目標綜合識別的重要數據來源，傳統雷達目 標識別方法主要采用人工設計的特征提取算法提取 目標特征，目標識別的性能依賴于提取特征的好壞， 而采用深度學習方法則能自動學習目標數據的深層 次抽象特征，能夠進行更準確、更穩健的識別，從而受 到廣泛的關注。表1為當前主要的深度學習框架。 在 基 于 H R R P 的 雷 達 目 標 識 別 方 面 ， B ( ) . F 等［⑸提出一種新的矯正自編碼器Corrective AE, 自 動 提 取 H R R P 抽 象 特 征 ， 實 現 了 對 目 標 H R R P 的高效識別。P a n等［⑹采用t . S N E方法解決H R - RP目標識別中的訓練數據不均衡問題，利用判別式深層置信網絡提取訓練數據中與類別無關的全局 特征來提升小樣本條件下的H R R P分類性能。徐 彬等口力考慮HRRP樣本距離單元間的時序相關特 性，提出了采用雙向長短時記憶模型的HRRP目標 識別方法，提高了目標識別性能。文獻口8］ 將5種 彈道中段目標HRRP轉化為0-1二值圖，并構建了 二維CNN對HRRP圖像進行分類，充分利用圖像 中蘊含的目標結構信息提升了分類效果，但將HRRP轉化為圖像增加了計算量。Xiang等［血在一維 CNN中引入通道注意力，同時利用改進的人工蜂群 算法對一維CNN進行剪枝，在保持對彈道中段目 標H R R P的高準確識別率前提下大幅降低了模型 的復雜度。

2 態勢感知

現代戰場態勢具有顯著的大數據特征，傳統方法已不能滿足現代復雜戰場態勢的感知需求，深度學習技術為研究戰場態勢感知提供了智能化技術手段，在對以往實戰數據,實兵對抗數據,靶場試 驗數據,兵棋推演數據等進行態勢標注的基礎上，將 其作為訓練數據，對深度學習模型進行訓練利用訓 練獲得的網絡模型可以實現對戰場態勢的理解。

3 指揮決策以 AlphaGo等為代表的人工智能 應用的成功，表明了深度學習技術在應對實時對抗, 不確定性推理等復雜動態場景問題的優秀能力深 度學習在軍事智能輔助決策領域的應用已經受到廣 泛的關注。

視覺目標檢測旨在定位和識別圖像中存在的物體，屬于計算機視覺領域的經典任務之一，也是許多計算機視覺任務的前提與基礎，在自動駕駛、視頻監控等領域具有重要的應用價值，受到研究人員的廣泛關注。隨著深度學習技術的飛速發展，目標檢測取得了巨大的進展。首先，本文總結了深度目標檢測在訓練和測試過程中的基本流程。訓練階段包括數據預處理、檢測網絡、標簽分配與損失函數計算等過程，測試階段使用經過訓練的檢測器生成檢測結果并對檢測結果進行后處理。然后，回顧基于單目相機的視覺目標檢測方法，主要包括基于錨點框的方法、無錨點框的方法和端到端預測的方法等。同時，總結了目標檢測中一些常見的子模塊設計方法。在基于單目相機的視覺目標檢測方法之后，介紹了基于雙目相機的視覺目標檢測方法。在此基礎上，分別對比了單目目標檢測和雙目目標檢測的國內外研究進展情況，并展望了視覺目標檢測技術發展趨勢。通過總結和分析，希望能夠為相關研究人員進行視覺目標檢測相關研究提供參考。

視覺目標檢測是計算機視覺的經典任務,旨在 定位圖像中存在物體的位置并識別物體的具體類 別。 目標檢測是許多計算機視覺任務及相關應用的 基礎與前提,直接決定相關視覺任務及應用的性能 好壞。 因此,視覺目標檢測技術受到了學術界、工業 界等各領域、乃至世界各國政府的廣泛關注。 在學 術界,目標檢測一直是各大計算機視覺會議及期刊 的研究熱點之一,每年有大量的目標檢測相關論文 發表。 根據谷歌學術顯示,研究人員近 10 年來在目 標檢測方面發表論文 15 000 余篇。 在工業界,國內 外科技巨頭(如谷歌、臉書、華為和百度等)、初創公 司(如商湯、曠視等)紛紛在目標檢測相關領域投入 大量人力財力。 與此同時,目標檢測技術是新一代 人工智能的重要共性關鍵技術,世界各國競相競爭。

在過去的幾十年中,目標檢測經歷了基于手工 設計特征的方法到基于深度特征的方法等不同發展 階段。 早期,目標檢測方法通常采用手工設計特征 加淺層分類器的技術路線,例如支持向量機(support vector machines,SVM) 和 AdaBoost 等,涌現了包括 Haar 特征(Viola 和 Jones,2004)、方向梯度直方圖 (histograms of oriented gradients,HOG) 特征( Dalal 和 Triggs,2005)等一系列經典的目標檢測特征描述 子。 2012 年以來,深度學習技術取得了飛速的發 展,并行計算資源不斷迭代更新,大規模數據庫及評 測標準相繼構建與公開。 基于上述技術、算力和數 據的鋪墊,視覺目標檢測開始在精度與效率等方面 取得了顯著的進展,先后涌現出區域卷積神經網絡 (region-based convolutional neural network,R-CNN) (Girshick 等,2014)、SSD( single shot detector) ( Liu 等,2016)、YOLO( you only look once) (Redmon 等, 2016)、 DETR ( detection transformer ) ( Carion 等, 2020)等一系列經典的研究工作。 相比于傳統手工 設計特征的方法,基于深度學習的方法避免了煩瑣 的手工設計過程,能夠自動學習更具有區分力的深 度特征。 與此同時,基于深度學習的方法將特征提 取和分類器學習統一在一個框架中,能夠進行端到 端的學習。

隨著技術的不斷發展與成熟,深度目標檢測技 術開始在實際應用中發揮重要作用。 近些年,國內外涌現了一批以目標檢測等視覺技術為核心技術的 科技創業公司,如曠視科技、商湯科技等。 同時,視 覺目標檢測是自動駕駛汽車環境感知重要的內容之 一,以特斯拉為代表的一批科技公司甚至采用純視 覺目標感知的技術路線開展自動駕駛研究。 盡管目 標檢測技術已經開始走向實際應用,但是當前目標 檢測的性能仍然無法到達人類視覺的性能,存在巨 大改進與提升的空間。 鑒于基于深度學習的目標檢測技術在學術界和 產業界取得了巨大成功,本文對基于深度學習的視 覺目標檢測技術進行了系統的總結和分析,包括國 內外研究現狀以及未來的發展趨勢等。 根據視覺目 標檢測采用視覺傳感器的數量不同,將視覺目標檢 測分為兩類:基于單目相機的視覺目標檢測和基于 雙目相機的視覺目標檢測。 相比于單目相機,雙目 相機能夠提供 3 維信息。 因此,基于雙目相機的視 覺目標檢測能夠提供精準的目標 3 維信息,在自動 駕駛等領域能夠更好地滿足應用需求。

首先介紹目標檢測的基本流程,包括訓練和測 試過程。 接著,系統地總結和分析單目視覺目標檢 測。 然后,介紹雙目視覺目標檢測。 最終,對比國內 外發展現狀,并對發展趨勢進行展望。

智能化分布式協同作戰具有高度集成、自組織、自決策、效費比高等特點，勢必將成為未來戰場上行之有效的作戰模式。從作戰理念的核心思想、體系架構的組成要素及其突出特點三個方面出發，論述了智能化分布式協同作戰的概念與內涵。首先，概括介紹了國內外先進的智能化分布式協同作戰系統項目，重點闡述了相關項目的發展目的和技術特點；隨后,詳細分析了推動智能化分布式協同作戰系統發展的關鍵技術，包括態勢感知與認知技術、信息融合與目標跟蹤技術、分布式協同任務規劃技術以及一致性控制與協同制導技術；最后，根據對國內外相關項目和關鍵技術研究成果的分析，從平臺設計過程和技術特點出發提出相關發展建議，為智能化分布式協同作戰體系總體架構設計與關鍵技術攻關提供重要參考。