一种垃圾目标的机器视觉智能识别系统及方法技术方案

本发明专利技术公开了一种垃圾目标的机器视觉智能识别系统，包括有里程计模块、目标识别模块、建图模块，本发明专利技术的系统建立一个垃圾目标分布的动态地图，降低了管理人员的监控压力，提高了保洁人员的工作效率，本发明专利技术还公开了一种垃圾目标的机器视觉智能识别方法，包括有以下步骤：计算位姿数据、识别垃圾目标、建立点云地图、建立训练集和测试集、构建改进的yolov3模型、训练网络、网络测试，本发明专利技术的方法使用深度可分离卷积替代darknet‑53中的一部分传统卷积，极大的降低了模型的计算量，基于改进yolov3目标识别算法，能够更准确的识别垃圾目标，且模型的参数较少，减少了训练和优化时的时间，提高了模型的识别速度，降低了对硬件的要求。

【技术实现步骤摘要】
一种垃圾目标的机器视觉智能识别系统及方法[
]本专利技术专利涉及机器视觉和机器学习领域，具体而言，涉及一种垃圾目标的机器视觉智能识别系统及方法。[
技术介绍
]随着居民消费水平的提高，社区内人们产生的生活垃圾的数量也随之不断增加。废弃的生活垃圾不仅严重影响社区的环境卫生，而且还容易滋生蚊虫和传播疾病进而危害人们的身体健康。目前社区的生活垃圾多由保洁工人定时清理，这种方式对处理居民楼下垃圾桶内的生活垃圾具有很好的效果，但对于社区内其他区域中近乎随机产生的生活垃圾，则显得效果较差和浪费人力。因此，需要开发出一种能够监控社区内生活垃圾变化情况的视觉系统。当前的垃圾识别系统多基于固定摄像头，当要监控整个社区的垃圾变化情况时，则势必需要布设较多的摄像头；同时，这种识别系统未能把来源于各路监控视频的识别结果整合到一个地图中，因而给后台的监控管理人员也带来了巨大的挑战。此外，当前的垃圾机器视觉识别方法多采用了基于深度学习目标识别算法中的两步法(R-CNN和faster-RCNN),但这种方法存在着训练过程较繁琐、优化结果较困难、计算量大、处理本文档来自技高网...

【技术保护点】
1.一种垃圾目标的机器视觉智能识别系统，其特征在于：包括有/n里程计模块(1)，用于计算机器人的位姿数据；/n目标识别模块(2)，利用目标识别算法查找垃圾目标在图像中的位置并计算垃圾目标的位置数据和深度数据；/n建图模块(3)，接收处理里程计模块(1)的位姿数据、目标识别模块(2)的垃圾目标位置数据和深度数据，得到垃圾目标在世界坐标系下的坐标，拼接构建得到垃圾目标的点云地图。/n

【技术特征摘要】
1.一种垃圾目标的机器视觉智能识别系统，其特征在于：包括有
里程计模块(1)，用于计算机器人的位姿数据；
目标识别模块(2)，利用目标识别算法查找垃圾目标在图像中的位置并计算垃圾目标的位置数据和深度数据；
建图模块(3)，接收处理里程计模块(1)的位姿数据、目标识别模块(2)的垃圾目标位置数据和深度数据，得到垃圾目标在世界坐标系下的坐标，拼接构建得到垃圾目标的点云地图。


2.根据权利要求1所述的一种垃圾目标的机器视觉智能识别系统，其特征在于：所述里程计模块(1)包括有轮式里程计(11)和激光里程计(12)。


3.根据权利要求1所述的一种垃圾目标的机器视觉智能识别系统，其特征在于：所述目标识别模块(2)包括有一个高清摄像头。


4.一种垃圾目标的机器视觉智能识别方法，其特征在于，包括有以下步骤：
步骤A，计算位姿数据：
A1，轮式里程计(11)的标定：收集若干段数据，每段数据包含两个车轮子的角速度WL和WR、该段数据持续的时间以及激光雷达的匹配值，基于模型的方法计算出两的轮间距b和两个轮子的半径；
A2，激光雷达数据运动畸变的去除：工控机读取激光数据，STM32上传里程计积分数据，检查里程计队列中的位姿数据与激光雷达数据时间上是否同步，如果同步则不进行处理，否则对位姿数据进行二次插值，根据位姿数据对激光雷达数据进行变换得到去除运动畸变后的激光雷达数据；
A3，对采集到的激光雷达数据使用前端配准算法：首先寻找点云中的匹配点，然后根据匹配计算旋转矩阵R和平移矩阵T，对点云进行位姿变化并计算误差，不断迭代，直至误差小于容忍值。
A4，基于图优化技术对位姿图进行优化；
步骤B，识别垃圾目标：
目标识别模块(2)利用目标识别算法找到垃圾目标在图像中的位置，然后发布垃圾目标的位置数据和深度数据；
步骤C，建立点云地图：
建图模块(3)对来源于里程计模块(1)和目标识别模块(2)的数据进行处理，根据下面的公式进行坐标变换：
z＝d



再利用优化后的位姿对目标在相机坐标系下的坐标进行变换，得到其在世界坐标系下的坐标，最后拼接和构建点云地图。


5.根据权利要求4所述的一种垃圾目标的机器视觉智能识别方法，其特征...

【专利技术属性】
技术研发人员：黄纯根，冼海仪，
申请(专利权)人：广东鲲鹏智能机器设备有限公司，
类型：发明
国别省市：广东;44