基于深度学习的堆垛目标识别定位系统研究

发布时间：2024-07-09 04:37

　　传统的目标识别算法简单、数据计算量小,可以快速完成简单背景下的目标识别任务,但是其无法保证复杂背景下的识别准确率,算法性能也不会随着样本数据的增加获得优化。因此,基于深度学习的目标识别算法已经开始被引入到实际应用中。本文利用双目相机和深度学习算法设计了仓储堆垛目标的自动识别定位系统,该系统能够准确识别出堆垛目标并计算出其空间位置。本文的主要创新工作如下:(1)设计一种基于双目相机和深度学习的堆垛目标识别定位系统(Binocular-Neural Network Positioning System,B-NPS)。系统的实现步骤是:系统初始化,利用“张正友标定法”对双目相机进行标定,制作“Box”数据集训练神经网络;使用双目相机拍摄堆垛目标空间图像;将图像数据输入卷积神经网络Mask R-CNN进行处理,计算出堆垛目标在两张图片中的像素坐标;根据双目相机定位原理和相机内外参数获得堆垛目标的三维空间位置坐标。(2)以降低系统复杂度,避免出现计算浪费现象为目标,在系统中加入预判断网络Prejudge Network,提出改进后系统PB-NPS(Prejudged Binocular-Neur...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图1.1目标定位方法分类激光测距一般借助激光雷达[55]实现，激光雷达通过测量激光在雷达和物体间的运动时间

南京邮电大学硕士研究生学位论文第一章绪论2一种可以实现对堆垛目标自动识别和定位的系统必然对堆垛机器人的设计和使用有重要意义。目标识别定位研究现状1.2.1目标定位方法研究现状在研究解决机器人目标定位问题时，常常借助相机或者传感器实现对目标的定位，例如单目相机[43]、双目相机[4....

图1.2深度学习在目标识别领域的方法分类在twostage方法中，以R-CNN[35-38]系列作为最为著名的代表

南京邮电大学硕士研究生学位论文第一章绪论5图1.2深度学习在目标识别领域的方法分类在twostage方法中，以R-CNN[35-38]系列作为最为著名的代表。R-CNN[35]模型是R-CNN系列算法的开端。R-CNN的设计思路很简单，先在图片上选定不同的区域作为感兴趣区域，然后....

图1.2本文主要工作示意图

南京邮电大学硕士研究生学位论文第一章绪论6论文主要工作图1.2本文主要工作示意图本文研究工作获得了国家自然科学基金“基于深度学习的移位MIMO‘鬼’成像方法研究”（项目批准号：61871234）的支持。本文以研究基于双目相机和深度学习的堆垛目标识别定位系统为目的，分别从以下三个创....

图2.1双目相机模型

南京邮电大学硕士研究生学位论文第二章双目相机定位原理及目标识别方法10向且重合，和方向相同，互相平行，两轴间的距离为基线距离b。左右两个相机的成像平面互相平行且重叠。图2.1双目相机模型B-NPS系统将世界坐标系的原点设置为左相机的中心，即与左相机的相机坐标系重合。设空间内的一点....

本文编号：4004406