杭州后端兼职程序员外包

需求描述

项目需求规格说明书
单目视觉船舶检测算法开发项目
文档版本 V1.0
项目名称 基于单目视觉的远距船舶检测算法开发
项目概述
1.1 项目背景
为满足内河/河道场景下船舶智能感知与避障需求，本项目旨在研发一套基于单目摄像头的船舶检测算法。
1.2 项目目标
在为期1个月的周期内，交付一套能够在Jetson Orin Nano平台上稳定运行的单目视觉算法，实现对0-500米范围内特定船舶的实时检测、距离估算及3D空间定位。
1.3 项目范围
• 适用场景：小河道、固定视角监控（非开阔大水域）。
• 功能范围：实时视频流检测（不含离线录像分析）。
• 技术路线：纯视觉方案（训练阶段可利用雷达数据辅助标注与验证）。
总体技术要求
2.1 功能性需求
编号 功能项 详细描述
FR-01 目标检测 识别视野内的集装箱船、散货船两类目标，输出2D检测框。
FR-02 距离估算 输出目标与摄像头之间的相对直线距离（0-500米）。
FR-03 3D空间转换 将检测结果转换至3D BEV（鸟瞰图）坐标系，输出目标大小及位置。
FR-04 速度估算 基于连续帧差分进行简单的速度估算（精度要求不高）。
FR-05 实时处理 支持5帧连续处理机制，满足实时性要求。
2.2 性能与精度指标
距离区间 纵向距离误差 横向距离误差 备注
0 - 100米 ≤ 5米 ≤ 5米 近距离高精度要求
100 - 400米 ≤ 15米 ≤ 10米 规划控制核心区间，允许区间判断，重点控制横向误差
400 - 500米 估算值 估算值 采用“航线倒推法”基于匀速假设进行估算，无硬性达标线
注：综合召回率与精度需满足实际避障路径规划的安全需求。
2.3 运行环境
• 硬件平台：NVIDIA Jetson Orin Nano 开发板。
• 操作系统：Linux（提供虚拟机/远程环境）。
• 算力约束：需针对嵌入式GPU进行模型剪枝、量化或TensorRT加速优化。
数据需求与接口
3.1 输入数据格式
算法训练与验证需提供以下同步数据：
图像数据：RGB相机原始图像（.jpg/.png），分辨率待定。
点云数据：激光雷达（LiDAR）同步点云数据（.pcd/.bin）。
标定文件：相机内参、外参矩阵，雷射雷达标定参数。
时间戳：精确到毫秒级的同步时间戳，用于数据对齐。
3.2 数据交付计划
• 样本数量：首批提供不少于 500张 精确标注的图像及配套数据。
• 数据分布：需覆盖0-500米全距离段，重点包含300米以上稀缺样本。
• 数据质量：图像清晰，无过度曝光或运动模糊；点云数据完整。
• 补充数据：7月初可提供X波段雷达采集的深线精确数据（涉密，需签保密协议）。
3.3 输出数据格式
• 目标ID、2D框坐标 (x, y, w, h)
• 3D空间坐标 (X, Y, Z)（基于BEV坐标系）
• 置信度 (Confidence Score)
项目里程碑与交付物
阶段 时间节点 交付物
Phase 1: 数据准备 会议后3日内 500张标注图像、点云及标定文件
Phase 2: 可行性验证 会议后1周内 初步训练模型、技术可行性评估报告、初步报价
Phase 3: 算法开发 第2-3周 优化后的检测模型、距离估计算法代码
Phase 4: 部署与验收 第4周（1个月内） 部署至Jetson Orin Nano的可执行程序、测试报告、部署文档
风险与约束
风险项 影响程度 应对措施/备注
远距离测距难 高 300米以上依赖“匀速倒推法”，需双方确认该方法的验收标准。
数据标注缺失 高 缺乏400米+精确标注数据，需利用现有雷达数据辅助生成伪标签。
工期紧张 高 需优先保障核心功能（100-400米检测），远期目标（400-500米）作为优化项。
硬件兼容性 中 提前介入远程环境测试，确保模型在Orin Nano上的推理效率。
预算限制 中 团队为初创公司，报价需具备合理性。
验收标准
功能验收：在Jetson Orin Nano开发板上成功加载模型，能够实时输出船舶检测结果及3D位置信息。
性能验收：在测试数据集上，0-400米范围内的距离误差满足第2.2节指标要求；FPS满足实时性要求。
文档验收：提供完整的部署手册及API接口说明。
附录
• 保密条款：双方承诺，本次会议涉及的航道数据、技术方案、报价信息均属商业机密，未经许可不得向第三方披露。
• 术语表：
• BEV：Bird's Eye View，鸟瞰图。
• LiDAR：Light Detection and Ranging，激光雷达。
• MVP：Minimum Viable Product，最小可行性产品。