基于YOLOv2的双足机器人目标检测与拾取

发布时间：2021-10-18 18:48

　　本文采用YOLOv2深度学习模型对双足机器人拍摄到的第一帧图像进行目标定位检测,接着通过传统的Camshift算法对后续图像中的目标进行跟踪,直到逼近目标后利用机器人关节运动控制程序拾起目标。该方法的优点是:将深度学习算法与传统图像跟踪技术相结合,增强了系统的鲁棒性和实时性。 

【文章来源】：现代信息科技. 2019,3(18)

【文章页数】：4 页

【文章目录】：
0 引言
1 目标检测与拾取系统的设计
    1.1 目标检测模块
        1.1.1 数据增强
        1.1.2 迁移学习
    1.2 目标跟踪模块
        1.2.1 反向投影
        1.2.2 Mean-shift算法
        1.2.3 自适应迭代过程
    1.3 运动控制模块
        1.3.1 拾取动作
        1.3.2 目标物的中心区域
        1.3.3 机器人运动控制算法
2 实验结果与分析
    2.1 目标检测的结果
    2.2 目标跟踪的结果
    2.3 运动模块的结果
3 结论


【参考文献】：
期刊论文
[1]SIFT算法研究及在目标识别中的应用[J]. 李英豪,王华军,汪绪彪,王娟.  舰船科学技术. 2016(10)
[2]迁移学习研究进展[J]. 庄福振,罗平,何清,史忠植.  软件学报. 2015(01)

硕士论文
[1]基于YOLOv2的实时目标检测研究[D]. 雷维卓.重庆大学 2018
[2]基于Camshift算法的目标跟踪问题研究[D]. 师庆敏.安徽大学 2013



本文编号：3443303