基于深度学习算法的物体快速检测定位与择优拾取

发布时间：2020-03-20 09:06

【摘要】：准确快速的实现对弈系统中象棋的检测是本文的核心。传统图像处理算法因为处理流程长容易受到环境的影响,在复杂场景下检测效果比较差。光照条件、目标尺寸、方位等等都将影响检测算法的效果。因此传统算法对环境要求比较高,需要专业级设备来解决环境带来的影响。相较于传统图像处理方法,深度学习算法对光线、目标方位、图像质量要求比较低,并且能较好地适应各种复杂环境。本文基于深度学习算法对象棋目标进行检测。在该任务中存在目标较小、数据差异小、数据容易重复等问题。这些问题导致算法结构复杂、计算速度较慢。在实际对弈过程中必须保证能快速、正确的检测到所有的目标。因为棋子数据差异较小需要更多的差异化数据帮助神经网络学习棋子特征。针对上述问题,本文通过使用不同的优化方法优化神经网络算法和标注更多差异化数据以满足对弈系统对于精度和速度的要求。本论文搭建了对弈系统的硬件平台同时标注了目标数据集。实现了包括Faster RCNN、SSD、YOLO算法,使用不同的骨干网络实现以保证算法有较好的检测效果和较快的检测速度。通过使用OpenVINO、TensorRT对CPU和GPU优化,实现包括计算图结构优化、硬件设备优化和数值量化等方法加速模型推理。最终算法克服了传统视觉处理算法中对多目标识别较差以及容易受光线、目标尺寸影响的缺点,能实现在极端黑暗条件下检测、移动目标。算法最快能在5ms左右正确的检测出所有棋子的目标。最后在本平台下测试了对于常见物品的检测,通过测试表明该软硬件平台能适用于常见物体的抓取,在实际应用中有一定的价值。
【图文】：

根据前方目标是否是障碍物从而决定继续前进还是停止等待、无人驾驶汽需要识别道路前方行人、红绿灯等等从而决定停车等待或者加速驶离、无人酒店需要识别住客是否为该酒店客人从而决定提供服务还是警告、抓手机器人能根据需求对特定的工件进行自动分拣、无人超市的商品自动上架需要知道哪些商品需要补货。目标检测是所有任务的基础，，只有实现了目标检测才能根据指定的任务做出对应的动作。本论文主要实现智能对弈系统，该系统需要识别出对弈双方的棋子然后根据后台程序决定如何走棋，然后抓取需要移动的棋子，放置对应的棋子在指定的位置。常见基于图像特征的目标检测算法处理通常需要手动设计特征，对于特定的目标此方法已经取得了较好的效果。但是针对通用的目标，传统的手动设计特征的方法通常无法适用。另外手动设计的特征通常无法反映出深层的特征关系。例如：梯度信息对于检测目标的边缘很重要。但是实际中边缘特征和梯度满足一定的数学关系式而不是直接通过梯度反映边缘特征。对于深层特征或者特征的深层关系，手动设计特征的方法无法获得较好的结果。图像处理与深度学习算法比如下图 1.1。基于手动设计的特征还存在处理流程较长（滤波、去噪、变换、特征提取）容易受到单一步骤的影响而出现较差的结果。

图 2.1 吸取机器人硬件平台硬件参数如下：1. 摄像头：罗技 C5252. 运动控制卡：Mega 25603. 步进电机：YH42BYGH60-401A4. 训练服务器：NVIDIAGTX1080x2 +Intel E5，部署 PC Intel I3。2.2 硬件平台通信方式为串口通信，实验在 Linux 环境下进行，适用于所有硬件平台。相较于常见抓手本体的网络通信，使用串口通信更方便简单。图 2.2 实体硬件图中的棋盘是针对象棋数据集而制作，在实际使用的过程中即使没有棋盘依旧可以使用，棋盘上的每一个网格的坐标位置都被存储在了软件代码中。如果需要检测抓取更小的目标只需要标定更密集的点即可实现更细腻的抓取。本环境下每个点的间隔恰好等于棋盘中每个放置棋子位置的点之间的距离。
【学位授予单位】：长春理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP18

【相似文献】

相关期刊论文 前10条

1 黄逸;;算法结构与设计教学中的若干思考[J];中学数学杂志;2008年05期

2 何永生;;算法结构考查“三角度”[J];中学生数理化(高一);2017年01期

3 丁忒;;“算法的概念”教学设计[J];中国数学教育;2017年Z2期

4 王靖亚;;算法结构对其性能的影响研究[J];计算机教育;2005年10期

5 裴承鸣;黎中伟;;ARMA过程的递推线性估计及其应用[J];西北工业大学学报;1987年02期

6 胡平;;试论滤波器的算法结构[J];河北机电学院学报;1987年01期

7 黄继进;;快速DFT计算——基于递归割圆因式分解的新算法[J];计算机应用与软件;1988年05期

8 郑容;;时域加权FFT算法(WTTA)[J];信号处理;1988年04期

9 乞敬换;王秀峰;;具有阻塞的串行生产线“线性”状态方程描述及扰动分析新算法[J];系统工程学报;1989年02期

10 王靖亚;;算法结构对其性能的影响研究[J];中国人民公安大学学报(自然科学版);2005年04期

相关会议论文 前5条

1 王春厚;许都;孙健;;一种降低误判率的BF快速匹配算法结构[A];2010年全国通信安全学术会议论文集[C];2010年

2 张伟;顾幸生;蒋慰孙;;一类FLOWSHOP有限中间储罐过程完成时间的确定[A];1995中国控制与决策学术年会论文集[C];1995年

3 李师亿;黄渊;;FFT在TS201上的高效实现[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年

4 王志宏;王斌;;基于遗传算法的非确定性目标优化[A];中国自动化学会全国第九届自动化新技术学术交流会论文集[C];2004年

5 姚任之;吕中荣;刘济科;;基于改进人工蜂群算法的功能梯度梁结构损伤识别研究[A];第十二届全国振动理论及应用学术会议论文集[C];2017年

相关重要报纸文章 前2条

1 张阳;5G时代，AI能走多远？[N];人民邮电;2019年

2 ;戴尔用实惠价促HPC普及[N];中国计算机报;2006年

相关博士学位论文 前6条

1 石人刚;位置灵敏γ成像定位算法技术研究[D];中国工程物理研究院;2019年

2 钟轶君;分片稀疏恢复理论及算法[D];大连理工大学;2018年

3 张慧君;三元M/B/Si功能化合物的第一性原理计算方法研究[D];燕山大学;2017年

4 熊丙章;高中生的算法理解水平及其教学策略研究[D];西南大学;2013年

5 杨乐婵;基于GEP算法和高光谱数据的植物主要理化参数估算研究[D];南京大学;2017年

6 张超;混合群智能优化算法研究及应用[D];北京科技大学;2018年

相关硕士学位论文 前10条

1 刘帅;基于深度学习算法的物体快速检测定位与择优拾取[D];长春理工大学;2019年

2 何姣姣;多尺度并行通道级联网络的行人检测算法研究[D];长安大学;2019年

3 叶伟;Massive MIMO系统中上行信号的检测算法研究[D];重庆邮电大学;2018年

4 赵书锋;大规模MIMO系统上行链路低复杂度信号检测算法研究[D];重庆邮电大学;2018年

5 王登云;海樽优化算法及应用研究[D];广西民族大学;2019年

6 张楚滨;混合条件稳定FDTD算法研究[D];华南理工大学;2019年

7 陈奇华;针对小目标的深度学习行人检测算法研究[D];华南理工大学;2019年

8 杨忠保;复杂网络中社区发现算法研究与应用[D];武汉理工大学;2018年

9 崔利娟;基于深度森林的交通标志识别算法研究[D];北方工业大学;2019年

10 王一捷;柔性直流输电技术数模混合仿真功率接口算法研究[D];东北电力大学;2019年

本文编号：2591570