一种应用于手眼机械臂系统的轻量的快速目标检测方法技术方案

一种应用于手眼机械臂系统的轻量的快速目标检测方法,它涉及计算机视觉领域，具体涉及一种应用于手眼机械臂系统的轻量的快速目标检测方法，它包括以下步骤：步骤一：训练集的采集：针对实际应用场景中的目标在各种情况下的图片进行采集，充分采集各种光照条件下，各种背景条件下目标的图片；步骤二：设计深度卷积网络模型并训练；步骤三：将训练好的模型应用于实际环境中的目标检测，输出图片中目标的类别及位置。采用上述技术方案后，本发明专利技术有益效果为：它既能保证实际使用精度性能要求，又能满足实时性要求的目标检测模型,降低原有的方法在嵌入式平台上的存储开销与计算开销，提高目标检测系统服务对象的工作效率。

【技术实现步骤摘要】
一种应用于手眼机械臂系统的轻量的快速目标检测方法
本专利技术涉及计算机视觉领域，具体涉及一种应用于手眼机械臂系统的轻量的快速目标检测方法。
技术介绍
近年来，随着计算机技术的发展以及计算机硬件性能的提升，计算机视觉领域的应用性能获得了重大提升。目标检测，作为其中的一项重要的、基础的任务，其识别精度以及定位准确率获得了显著提高。传统的目标检测方法，主要使用HOG特征+SVM分类器的方法。但是，HOG特征是人工设计的，其不能满足自然图像中的具有任意姿态的目标检测的性能要求。随着深度学习技术的发展，其在目标检测领域取得了巨大的成功，性能完全超越了传统的检测方法。深度学习在目标检测领域的应用方法主要分为两类，一类是RCNN系列等twostages的方法；一类是YOLO系列等onestages的方法。RCNN系列虽然map值高，但是其实时性非常差，即使是在titanx显卡上，fasterRCNN也只有4-5fps的速度。与之相比，YOLO系列则有检测实时性强，map值能满足实际使用的特点。但是即使是原始版本的YOLO系列，其实时性也只是在顶级显卡（如titanx）上才能得到保证。如果不加处理就本文档来自技高网...

【技术保护点】
1.一种应用于手眼机械臂系统的轻量的快速目标检测方法，其特征在于：它包括以下步骤：步骤一：训练集的采集：针对实际应用场景中的目标在各种情况下的图片进行采集，充分采集各种光照条件下，各种背景条件下目标的图片；步骤二：设计深度卷积网络模型并训练；步骤三：将训练好的模型应用于实际环境中的目标检测，输出图片中目标的类别及位置。

【技术特征摘要】
1.一种应用于手眼机械臂系统的轻量的快速目标检测方法，其特征在于：它包括以下步骤：步骤一：训练集的采集：针对实际应用场景中的目标在各种情况下的图片进行采集，充分采集各种光照条件下，各种背景条件下目标的图片；步骤二：设计深度卷积网...

【专利技术属性】
技术研发人员：张文翔，胡亮，刘琪，赵亮，
申请(专利权)人：博瓦武汉科技有限公司，
类型：发明
国别省市：湖北,42