傳統(tǒng)的目標識別算法簡單、數(shù)據(jù)計算量小,可以快速完成簡單背景下的目標識別任務(wù),但是其無法保證復(fù)雜背景下的識別準確率,算法性能也不會隨著樣本數(shù)據(jù)的增加獲得優(yōu)化。因此,基于深度學習的目標識別算法已經(jīng)開始被引入到實際應(yīng)用中。本文利用雙目相機和深度學習算法設(shè)計了倉儲堆垛目標的自動識別定位系統(tǒng),該系統(tǒng)能夠準確識別出堆垛目標并計算出其空間位置。本文的主要創(chuàng)新工作如下:(1)設(shè)計一種基于雙目相機和深度學習的堆垛目標識別定位系統(tǒng)(Binocular-Neural Network Positioning System,B-NPS)。系統(tǒng)的實現(xiàn)步驟是:系統(tǒng)初始化,利用“張正友標定法”對雙目相機進行標定,制作“Box”數(shù)據(jù)集訓練神經(jīng)網(wǎng)絡(luò);使用雙目相機拍攝堆垛目標空間圖像;將圖像數(shù)據(jù)輸入卷積神經(jīng)網(wǎng)絡(luò)Mask R-CNN進行處理,計算出堆垛目標在兩張圖片中的像素坐標;根據(jù)雙目相機定位原理和相機內(nèi)外參數(shù)獲得堆垛目標的三維空間位置坐標。(2)以降低系統(tǒng)復(fù)雜度,避免出現(xiàn)計算浪費現(xiàn)象為目標,在系統(tǒng)中加入預(yù)判斷網(wǎng)絡(luò)Prejudge Network,提出改進后系統(tǒng)PB-NPS(Prejudged Binocular-Neur...

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

圖1.1目標定位方法分類激光測距一般借助激光雷達[55]實現(xiàn)，激光雷達通過測量激光在雷達和物體間的運動時間

南京郵電大學碩士研究生學位論文第一章緒論2一種可以實現(xiàn)對堆垛目標自動識別和定位的系統(tǒng)必然對堆垛機器人的設(shè)計和使用有重要意義。目標識別定位研究現(xiàn)狀1.2.1目標定位方法研究現(xiàn)狀在研究解決機器人目標定位問題時，常常借助相機或者傳感器實現(xiàn)對目標的定位，例如單目相機[43]、雙目相機[4....

圖1.2深度學習在目標識別領(lǐng)域的方法分類在twostage方法中，以R-CNN[35-38]系列作為最為著名的代表

南京郵電大學碩士研究生學位論文第一章緒論5圖1.2深度學習在目標識別領(lǐng)域的方法分類在twostage方法中，以R-CNN[35-38]系列作為最為著名的代表。R-CNN[35]模型是R-CNN系列算法的開端。R-CNN的設(shè)計思路很簡單，先在圖片上選定不同的區(qū)域作為感興趣區(qū)域，然后....

圖1.2本文主要工作示意圖

南京郵電大學碩士研究生學位論文第一章緒論6論文主要工作圖1.2本文主要工作示意圖本文研究工作獲得了國家自然科學基金“基于深度學習的移位MIMO‘鬼’成像方法研究”（項目批準號：61871234）的支持。本文以研究基于雙目相機和深度學習的堆垛目標識別定位系統(tǒng)為目的，分別從以下三個創(chuàng)....

圖2.1雙目相機模型

南京郵電大學碩士研究生學位論文第二章雙目相機定位原理及目標識別方法10向且重合，和方向相同，互相平行，兩軸間的距離為基線距離b。左右兩個相機的成像平面互相平行且重疊。圖2.1雙目相機模型B-NPS系統(tǒng)將世界坐標系的原點設(shè)置為左相機的中心，即與左相機的相機坐標系重合。設(shè)空間內(nèi)的一點....

本文編號：4004406