System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于lng卸料臂目标识别,特别是涉及一种基于改进yolo-v5s模型的lng卸料臂目标识别方法。
技术介绍
1、在lng卸料臂自动对接过程中,识别对接口法兰位置并获得其位置参数是对接过程中的一个重要环节。
2、但是,lng卸料臂工作在户外存在光线变化大,目标识别的效率和准确性不高的缺陷,针对这一缺陷,本申请以yolo-v5s模型为基础,通过在yolo-v5s主干网络添加cbam注意力机制模型,再通过单目相机成像原理,建立成像坐标系与世界坐标系的解析方程,结合yolo模型检测框所反映的像素宽度和圆心坐标,计算法兰圆心在世界坐标系中的三维坐标。
技术实现思路
1、本专利技术的目的在于提供一种基于改进yolo-v5s模型的lng卸料臂目标识别方法,通过对yolo-v5s模型进行改进同时结合单目测距模型,解决了现有的lng卸料臂在户外工作时易受复杂自然环境干扰,导致目标识别的效率和准确性不高的问题。
2、为解决上述技术问题,本专利技术是通过以下技术方案实现的:
3、本专利技术为一种基于改进yolo-v5s模型的lng卸料臂目标识别方法,包括如下步骤:
4、(1)改进yolo-v5s模型,在c3模块后端添加卷积注意力模块,该卷积注意力模块用于降低或过滤无关信息;
5、(2)卷积注意力模块由通道注意力模块和空间注意力模块组成,利用通道注意力模块对输入的特征进行处理获取通道注意力输出权重值mc(f),利用空间注意力模块对输入的
6、(3)输入特征图f先经过通道注意力模块进行一维卷积操作并与原特征图f乘积获得特征图f′,再利用空间注意力模块对特征图f′进行二维卷积操作并与特征图f′乘积获得特征图f″;
7、(4)根据目标像素宽度,利用单目摄像机进行目标与单目摄像头之间距离测量:
8、(41)校准单目摄像机,使得摄像头镜头的光轴与地面平行,目标平面与摄像机焦平面平行;
9、(42)选择目标的一个点q,点q在世界坐标系中的坐标为(xw,yw,zw),在摄像机坐标系中的坐标为(xc,yc,zc),在像素坐标系和成像坐标系中的坐标分别为(u,v)和(x,y),保持世界坐标系与摄像机坐标系之间的关系为平移和旋转,世界坐标系与摄像机坐标系之间的关系表示为式(1),摄像机的成像平面与摄像机焦平面的映射关系表示为式(2);
10、(43)将式(1)和式(2)联立起来获得世界坐标系与成像坐标系之间的关系为式(3),式(3)中的旋转矩阵a为3×3单位矩阵i,保持摄像机坐标系与世界坐标系只有z轴方向上平移的位置关系获得平移矩阵b,平移矩阵b中的d为目标距离摄像头的距离,将旋转矩阵a与平移矩阵b代入式(3)中获得式(4);
11、(44)根据目标平面垂直于摄像机光轴,对式(4)进行简化获得式(5),根据世界坐标系与成像坐标系之间的相似三角形关系,获得像素宽度与实际宽度之间的比值为由获得式(6);
12、(45)圆孔法兰目标在成像平面显示为椭圆,椭圆长轴的像素宽度与圆孔法兰目标的直径像素宽度相同,根据式(6)计算出圆孔法兰目标与摄像机成像坐标系的距离为其中,f为摄像机焦距,d为圆孔法兰实际直径,d′为像素坐标系中圆孔法兰直径的像素宽度;
13、(46)利用yolo算法检测框的几何参数来反映圆孔法兰直径的像素宽度,在进行yolo算法训练之前,使用labelimg标注工具对圆孔法兰进行标注时精准控制yolo算法检测框与圆孔法兰目标相切,d′取yolo算法检测框像素长与宽中的最大值;
14、(47)利用yolo算法给出相切于圆孔法兰的检测框相对于像素坐标系的四个像素点的坐标a、b、c、d,将这四个坐标的像素坐标系转换为成像坐标系并求出圆心坐标,以计算出圆孔法兰中心相对于世界坐标系的坐标,根据式(6)计算出圆孔法兰中心的实际坐标,并根据坐标转换关系获得式(7);
15、(48)根据式(7)获得四个像素点的坐标a、b、c、d以及圆心坐标m相对于成像坐标系的坐标a′、b′、c′、d′、m′,单位像素宽度与实际距离之间的比值为ρ,将四个像素点的坐标a、b、c、d代入ρ对应的公式中获得距离d,联立ρ、a′、b′、c′、d′和m′对应的公式计算出圆孔法兰中心相对于世界坐标系mw0。
16、优选地,所述步骤(2)中通道注意力输出权重值mc(f)通过如下方法获得:先对输入的特征进行池化操作,压缩空间尺寸,用于后面学习通道的特征;再将全局池化和平均池化的结果输入多层感知机,学习通道维度的特征和各通道的重要性;最后将多层感知机获得的结果进行“+”操作和sigmoid激活函数的映射处理,获得通道注意力输出权重值mc(f)。
17、所述通道注意力输出权重值mc(f)由如下计算方法获得:
18、
19、其中,mc(f)为通道注意力输出权重值,σ为sigmoid激活函数,w1第2个全连接层权重矩阵,w0第1个全连接层权重矩阵,为在空间维度平均池化后的映射特征,为在空间维度最大池化后的映射特征。
20、优选地,所述步骤(2)中空间注意力输出权重值ms(f)通过如下方法获得:先对输入的特征进行全局池化和平均池化处理;再对池化后的结果按照通道进行拼接再进行卷积操作;最后经sigmoid激活函数映射处理获得空间注意力输出权重值ms(f);其中,所述空间注意力输出权重值ms(f)由如下计算方法获得:
21、其中,ms(f)为空间注意力输出权重值,f7×7为卷积核的卷积运输滤波器,为在通道维度进行平均池化后的特征映射,为在通道维度进行最大池化后的特征映射。
22、优选地,所述步骤(3)的具体步骤为:输入特征f∈rh×w×c先经过通道注意力模块进行mc∈rc×1×1一维卷积操作并与原特征图f相乘得到特征图f′,然后将获得的特征图f′通过空间注意力模块进行ms∈r1×h×w二维卷积操作并与原特征图f′相乘得到特征图f″;
23、
24、
25、其中,f为输入的原特征图,mc(f)为进行通道注意力操作,f′为通道注意力处理得到的特征图,ms(f)′为进行空间注意力操作,f″为空间注意力处理得到的特征图,h、w分别为特征图的宽度和高度方向的像素点个数,c为通道个数。
26、优选地,所述式(1)具体为:
27、
28、其中,a为旋转矩阵,b为平移矩阵,b=[0 0 d]t;
29、所述式(2)具体为:
30、
31、其中,(x,y)为q点在成像坐标系中的坐标,(xc,yc,zc)为q点摄像机坐标中的坐标,f为摄像机焦距。
32、优选地,所述式(3)具体为:
33、
34、所述式(4)具体为:
35、将zw设定为0后获得式(5):
36、所述本文档来自技高网...
【技术保护点】
1.一种基于改进YOLO-V5s模型的LNG卸料臂目标识别方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于改进YOLO-V5s模型的LNG卸料臂目标识别方法,其特征在于,所述步骤(2)中通道注意力输出权重值Mc(F)通过如下方法获得:
3.根据权利要求1所述的一种基于改进YOLO-V5s模型的LNG卸料臂目标识别方法,其特征在于,所述通道注意力输出权重值Mc(F)由如下计算方法获得:
4.根据权利要求1所述的一种基于改进YOLO-V5s模型的LNG卸料臂目标识别方法,其特征在于,所述步骤(2)中空间注意力输出权重值Ms(F)通过如下方法获得:
5.根据权利要求1所述的一种基于改进YOLO-V5s模型的LNG卸料臂目标识别方法,其特征在于,所述步骤(3)的具体步骤为:
6.根据权利要求1所述的一种基于改进YOLO-V5s模型的LNG卸料臂目标识别方法,其特征在于,所述式(1)具体为:
7.根据权利要求1所述的一种基于改进YOLO-V5s模型的LNG卸料臂目标识别方法,其特征在于,所述式(3)具
8.根据权利要求1所述的一种基于改进YOLO-V5s模型的LNG卸料臂目标识别方法,其特征在于,所述式(7)具体为:
9.根据权利要求1所述的一种基于改进YOLO-V5s模型的LNG卸料臂目标识别方法,其特征在于,所述步骤(48)中的距离所述比值
...【技术特征摘要】
1.一种基于改进yolo-v5s模型的lng卸料臂目标识别方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于改进yolo-v5s模型的lng卸料臂目标识别方法,其特征在于,所述步骤(2)中通道注意力输出权重值mc(f)通过如下方法获得:
3.根据权利要求1所述的一种基于改进yolo-v5s模型的lng卸料臂目标识别方法,其特征在于,所述通道注意力输出权重值mc(f)由如下计算方法获得:
4.根据权利要求1所述的一种基于改进yolo-v5s模型的lng卸料臂目标识别方法,其特征在于,所述步骤(2)中空间注意力输出权重值ms(f)通过如下方法获得:
5.根据权利要求1所...
【专利技术属性】
技术研发人员:向睿,梅杰,冯武卫,王林,徐杰,
申请(专利权)人:浙江海洋大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。