基于深度学习的电力机器人目标检测方法及装置制造方法及图纸

本发明专利技术公开一种基于深度学习的电力机器人目标检测方法及装置，识别精度高、鲁棒性强。本发明专利技术方法包括如下步骤：(10)数据集分割标注：对每张可见光图像的抓取物进行分割标注，得到标注图像；(20)分割模型训练：根据所述标注图像，对改进yolact实例分割模型进行训练，得到训练好的成熟分割模型；(30)目标图预测：利用所述成熟分割模型预测目标图，对目标进行二维分割，得到目标2D掩码图，提取目标2D中轴线，提取目标3D兴趣区点云；(40)目标三维中轴线获取：根据目标3D兴趣区点云，估计目标中轴线，估计目标半径，根据目标半径对目标估计中轴线进行修改，得到目标中轴线。得到目标中轴线。得到目标中轴线。

【技术实现步骤摘要】
基于深度学习的电力机器人目标检测方法及装置


[0001]本专利技术属于电力机器人目标检测
，特别是一种识别精度高、鲁棒性强的基于深度学习的目标检测方法及装置。

技术介绍

[0002]随着电力自动化和智能化的发展，电力机器人的行业渗透率逐年递增。机器人可以替代危险性较高、人力短缺的应用场景。但由于室外场景比较复杂，包括光线强弱的变化、各种铁制或铝制金属附件(金具)的相互干扰等，导致机器人容易丢失目标，通用性较差。因此解决机器人的目标检测问题具有重要现实意义。
[0003]目前，目标检测有两种解决方案，一是基于传统的特征提取方法，另一个是基于深度学习的感知方法。其中基于传统的特征提取方法可充分利用人为的先验信息，例如：类圆柱体的对称性，刚体的几何特性等。但是也有不少缺点：首先，由于先验信息的局限性，导致应用场景单一。例如：目标物大小和颜色的改变会导致特征提取出现偏差；对于遮挡、折叠等场景，识别精准度欠缺，鲁棒性较差；对新的目标物需要重新设计特征，泛化性较差。
[0004]为解决以上问题，基于深度学习的目标物位姿检测方案路线被提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的电力机器人目标检测方法，其特征在于，包括如下步骤：(10)数据集分割标注：对每张可见光图像的抓取物进行分割标注，得到标注图像；(20)分割模型训练：根据所述标注图像，对改进yolact实例分割模型进行训练，得到训练好的成熟分割模型；(30)目标图预测：利用所述成熟分割模型预测目标图，对目标进行二维分割，得到目标2D掩码图，提取目标2D中轴线，，提取目标3D兴趣区点云；(40)目标三维中轴线获取：根据目标3D兴趣区点云，估计目标中轴线，估计目标半径，根据目标半径对目标估计中轴线进行修改，得到目标中轴线。2.根据权利要求1所述的电力机器人目标检测方法，其特征在于，所述(40)目标三维中轴线获取步骤包括：(41)目标中轴线估计：对提取的兴趣区点云，利用三维PCA进行目标中轴线方向和中心点估计，此时的中心点位于目标表面；(42)目标半径估计：利用RGB图像计算避雷器的直径，利用中心点表面的点云估算尺度，精确计算目标半径；(43)目标中轴线修正：利用所述目标半径对估算出来的3D中轴线进行深度修正，平移至目标中心，从而完成目标中轴线的精确提取。...

【专利技术属性】
技术研发人员：张淼，罗作煌，郭永春，唐海健，杨顺，
申请(专利权)人：深圳亿嘉和科技研发有限公司，
类型：发明
国别省市：