适用于非结构环境的AI异构立体视觉目标检测方法和系统技术方案

技术编号:43468358 阅读:16 留言:0更新日期:2024-11-27 13:05
本发明专利技术提供了一种适用于非结构环境的AI异构立体视觉目标检测方法和系统,涉及机器视觉领域,包括:获取目标图像;将场域相机图像和臂载相机图像统一至同一尺寸同一分辨率;根据张正友标定法进行异构立体视觉单相机标定和视觉联合标定,构建初始异构相机模型;进行异构立体视觉联合标定,获取异构立体视觉模型;根据异构立体视觉模型对上述臂载相机进行路径规划,以便臂载相机能够采集到目标物的精确图像;在YOLOv5模型的主干网络中增加小目标检测层,并用CIoU损失函数替换GIoU损失函数,形成改进的YOLOv5模型;基于改进的YOLOv5模型对目标图像进行检测,获取目标物的特征点和位置信息。解决了在物流仓储这种较大视场领域无法精确感知定位目标物的问题。

【技术实现步骤摘要】

本专利技术涉及机器视觉,具体而言,涉及一种适用于非结构环境的ai异构立体视觉目标检测方法和系统。


技术介绍

1、人工智能技术作为一种新兴的技术类型,已然成为当今社会发展的重要驱动力,其中,计算机视觉作为人工智能领域的一个分支,应用非常广泛,包括图像处理、机器学习、深度学习等领域。计算机视觉就是使用计算机或者摄像头等设备来模拟生物视觉,通过采集周围环境图像或视频信息,来识别测量相应场景下的三维信息。其研究目标是使计算机能够识别、理解和控制现实世界中的图像、视频和其它数据信息,为计算机和机器人研究开发出可以与人类比肩的视觉分析能力,让计算机或者机器人拥有视觉和大脑,能够像人一样准确感知周围环境。早期的计算机视觉技术是通过单目相机对目标物进行识别测量,通过分析和处理单个相机采集的图像信息,实现目标物识别的功能,单目视觉可以完成目标物识别,但会存在较大的测量误差且无法消除相机角度带来的干扰,导致丢失部分目标物的深度信息,无法获取目标物位置信息,随着计算机技术的不断发展以及应用需求的不断提高,单目视觉的识别精度已经无法满足实际应用需求。由此产生由两个类型参数均相同的本文档来自技高网...

【技术保护点】

1.一种适用于非结构环境的AI异构立体视觉目标检测方法,其特征在于,包括:

2.根据权利要求1所述的适用于非结构环境的AI异构立体视觉目标检测方法,其特征在于,所述YOLOv5模型包括:输入端、主干网络、颈网络以及预测端;其中,所述输入端采用Mosaic数据增强算法对训练集图像进行处理;所述主干网络以Focus网络为基础结合CSPDarknet53骨干网络,通过CSPDarknet53提取特征信息,通过Focus网络进行切片,将输入的图像转为多层特征图,以增强模型对特征信息的提取能力;所述颈网络位于所述主干网络和所述预测端之间,通过FPN-PAN结构,将所述主干网络中获得的特...

【技术特征摘要】

1.一种适用于非结构环境的ai异构立体视觉目标检测方法,其特征在于,包括:

2.根据权利要求1所述的适用于非结构环境的ai异构立体视觉目标检测方法,其特征在于,所述yolov5模型包括:输入端、主干网络、颈网络以及预测端;其中,所述输入端采用mosaic数据增强算法对训练集图像进行处理;所述主干网络以focus网络为基础结合cspdarknet53骨干网络,通过cspdarknet53提取特征信息,通过focus网络进行切片,将输入的图像转为多层特征图,以增强模型对特征信息的提取能力;所述颈网络位于所述主干网络和所述预测端之间,通过fpn-pan结构,将所述主干网络中获得的特征信息进行多尺度特征融合处理;所述预测端用于对目标物进行位置和分类预测,针对不同尺度的目标,预测端选用相对应的检测模块进行特征图预测,然后计算特征图中可能存在目标的位置、类别以及置信度信息,在得到预测结果之后,根据预测框的置信度和类别置信度信息,判断是否为目标物并进行筛选,最终筛选重复预测框后输出检测到的目标物信息。

3.根据权利要求1所述的适用于非结构环境的ai异构立体视觉目标检...

【专利技术属性】
技术研发人员:邓三鹏游翔李辉祁宇明曹宇聪马传庆
申请(专利权)人:扬州博诺智能科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1