基于计算机视觉的物体抓取识别算法的研究与实现

发布时间：2021-03-24 02:19

　　计算机视觉技术是人工智能的主要研究方向之一,随着图像或者视频的数据规模快速增长,以及计算能力的提升,计算机视觉技术在近几年获得了前所未有的发展,被广泛应用于多种场景,如无人驾驶,人流监控等。为了挖掘人工智能技术的应用潜力,笔者将其成功的应用了到无人零售场景。本文设计了一种物体抓取识别算法,该算法基于深度学习和计算机视觉技术,能够在目标被抓取的状态下,识别目标物体的个数和种类,可用于识别零售场景中顾客抓取的商品。它包含三个算法模块:立体匹配、物体识别和行为识别,其主要内容如下:为了让目标物体多角度的暴露在视野范围内以获得多角度的信息源,并避免单摄像机被遮挡以至算法完全失效,本文采用了多摄像机的架设方案,设计和实现了一种快速立体匹配算法,该算法利用双目相机的对极约束条件以及动态规划,能够在线性时间内完成匹配,在多个相机之间定位同一个物体。物体识别算法是本文的核心,零售场景需要识别出目标的种类及相应的个数,尽管目标检测算法可以实现这一目的,但是需要大量的标注成本和计算成本。本文使用弱监督学习的模型训练方案,设计了一种深度卷积神经网络和一个计数损失函数,不需要标注目标物体的位置信息,就可以识别... 

【文章来源】：上海师范大学上海市

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

“维京号”火星登陆器（左）和相机（右）

图 2 VATIC 标注工具的前端界面3.1 VATIC 标注工具的插值算法原理“视频”利用了人眼的视觉暂留(Persistence of Vision)原理，以较高的帧率（通常每秒高于 24 帧）播放连续的静态图像。标注视频数据的关键在于能够在时序数据中，减少对冗余信息的重复标注。比如当标注人员需要标注一段视频中的行人，那么这个行人在第t帧图像中的位置和第t + 1帧中的位置应当是非常接近的，视频标注工具应当有能力让标注人员在高冗余的连续几帧图像中，仅标注其中一张图像，即可获得所有的准确标注结果。再比如，一辆匀速直线运动的汽车，它在视频中的位置可以通过运动方程估计，视频标注软件应当能对已知起始位置和终点位置的运动物体，提供物体运动过程中的准确位置。VATIC 提供一套插值算法，能够在稀疏的标注之间进行适当的插值，也就是说对某个物体，仅需标注起始位置和终点位置，即可获得中间过程的位置估计，而且算法是离线操作的，所以算法的执行不会影响标注工具的使用体验。

大学硕士学位论文 第 4 章立体视配区域的积分直方图（Integral Histogram）[62][63]，能够在线性时间待匹配的目标，相比[63]，有更低的时间复杂度和空间复杂度优势，首先在 4.1 节介绍对极约束原理，接着在 4.2 节解释本文所实现法，最后在 4.3 节总结本模块的算法流程和实验过程。极约束 4-2 所示，P、Q 是真实世界的两点，他们都投影在πR平面上的p是单目相机（Monocular Camera），则无法通过相机所看到的p ≡ q点相对相机的距离。然而，在双目相机的条件下，点p ≡ q所看到点 P 或 Q 一定映射在右相机的绿线（点p和q所在的直线）上，这p ≡ q所对应的极线（Epipolar Line）。


本文编号：3096867