检索结果-内蒙古大学图书馆

作者：陈逸扬扬州大学

学位级别：硕士

人类可以通过视觉来判断外部环境事物的类别并粗略感知自身与物体之间的距离,从而达到跟随或者避让的目的。对于机器人而言,传统的磁线、磁钉、二维码和激光等AGV导航的方法,因其高昂的硬件成本以及较低的智能性,已经不能满足人们在生... 详细信息

人类可以通过视觉来判断外部环境事物的类别并粗略感知自身与物体之间的距离,从而达到跟随或者避让的目的。对于机器人而言,传统的磁线、磁钉、二维码和激光等AGV导航的方法,因其高昂的硬件成本以及较低的智能性,已经不能满足人们在生活生产中的部分需求。视觉系统近年来己被广泛应用于机器人的自主定位导航,其中单目视觉因其算法成熟度较高、成本较低以及实时性强等优点在短距离导航方面具有较强的实用性。本文提出一种基于深度学习和单目视觉测距相结合实现机器人跟踪的方法。通过标定过程获取单目摄像头的内外参数。利用深度学习中的ssd算法对于目标进行识别并获取目标框体的像素高度。再根据单目测距算法中的相似几何原理计算出摄像机与目标物体之间的距离。最后通过对机器人底座发送Twist消息完成机器人自主追踪,这是贯穿本文的主要思路。主要工作如下:（1）在单目测距的过程中,为了利用几何相似原理来求得相似距离,就必须获得相机本身的内外参数。精准地获取相机的焦距也成了实验中的重要一步。因此本文采用张氏标定法对相机进行标定,提高标定精度,为后续工作做好准备。（2）在机器人跟踪过程中,首先要识别获取本文需要跟踪的目标。文中采用基于深度学习的ssd目标检测算法进行目标识别。与传统的目标检测算法相比,该算法极大地提高了准确度和速度。这种算法对于尺度变化具有较高的鲁棒性。它利用多层不同尺寸和感受野的卷积特征来进行目标的识别。（3）通过ssd算法检测识别目标后,计算出该目标在图像中的像素高度,结合线性单目视觉测距模型和几何相似学,可以按照比例确定物体与成像物体之间的关系。这种模型实现测距更方便简单,只要获取必要的参数就可以快速测得距离,但是它只可以获取相对距离,不能获得测得各点的坐标值,存在一定误差。（4）在获取机器人与目标物体之间距离之后,为实现机器人的自主移动,本文在所测得距离值中添加临界值,当实测距离大于这个值时,通过movebase把控制命令Twist发布到cmdvel主题上,给左右轮在目标方向一个正速度。同理,当实测距离小于临界值时,给左右轮一个负速度。通过这种发布Twist命令的方式可以使得机器人控制过程变得非常迅速简便。

关键词：单目视觉测距深度学习 ssd目标检测算法几何相似学 Twist消息

来源：评论

学校读者我要写书评

暂无评论

用于盲人视觉辅助的多目标快速识别并同步测距方法

引用

福州大学学报（自然科学版） 2018年第4期46卷 472-480页

作者：吴晓烽吴丽君吴振辉陈志聪林培杰文吉成福州大学物理与信息工程学院微纳器件与太阳能电池研究所福建福州350116 国家电网福州供电公司福建福州350003

提出一种以摄像头实现的可用于盲人视觉辅助的多运动目标快速识别并同步测距方法.该方法以深度学习多目标检测算法(single shot multibox detector,ssd)识别各类目标,并通过ssd输出的目标类别及检测框(bounding box)高度来提出测距模型... 详细信息

提出一种以摄像头实现的可用于盲人视觉辅助的多运动目标快速识别并同步测距方法.该方法以深度学习多目标检测算法(single shot multibox detector,ssd)识别各类目标,并通过ssd输出的目标类别及检测框(bounding box)高度来提出测距模型,从而同步地获取多个目标的测量距离.本方法仅通过普通摄像头便能识别较多类物体且识别类别数量可拓展,能够将测距模块和障碍物识别模块同步执行,从而可对多个物体实时识别并同步测距.实验结果表明,本方法能有效地识别障碍物,具有良好的测距精度,为盲人视觉辅助的一种有效探索.

关键词：盲人视觉辅助多运动目标检测 ssd目标检测算法实时测距

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的公交客流统计方法研究

基于机器学习的公交客流统计方法研究

引用

作者：张文涛长安大学

学位级别：硕士

公交客流量是公共交通管理部门对城市公交线路优化、车辆调度的重要数据来源,如何获取精确的公交客流数据具有重要的研究价值。目前,公交客流计数系统的整体框架主要分为乘客目标检测、轨迹跟踪和分类计数三大部分。采用传统图像处理方... 详细信息

公交客流量是公共交通管理部门对城市公交线路优化、车辆调度的重要数据来源,如何获取精确的公交客流数据具有重要的研究价值。目前,公交客流计数系统的整体框架主要分为乘客目标检测、轨迹跟踪和分类计数三大部分。采用传统图像处理方法在二维图像上进行乘客目标检测依然存在很多问题,例如易受光照干扰、背景抖动以及乘客形态多变等因素影响,很难对乘客进行精确锁定。而乘客目标检测作为整个系统的基础部分,其精确度将对后期的跟踪和人数统计产生直接的影响。针对以上问题,本文在乘客目标检测方面分别采用两种不同的检测算法。第一种算法充分利用深度相机获取的深度信息,通过相机三维标定将深度图像转换为世界坐标系下的俯视投影图,然后根据单个人体目标头部区域具有最大高度值的特点,采用局部高度最大值算法对人头目标进行锁定,最后结合SVM(Support Vector Machine)分类器对人头目标进行分类识别。利用深度信息构建公交场景的三维信息不仅有效地减少了光照的影响还避免了乘客之间相互遮挡的问题,对乘客目标检测创造了良好的条件。第二种算法将深度学习中的ssd(Single Shot MultiBox Detector)网络模型应用于乘客人头目标检测,ssd网络模型能够从样本数据中自主学习可以表达目标本质属性的特征,因此可以更加精确地检测乘客目标。本文利用大量公交视频建立人头目标样本库,分别选取不同样本量的人头目标训练人头目标模型并进行实验分析对比,选则具有最佳检测性能的模型实现乘客目标的精确检测。在乘客人头目标跟踪的问题上采用“帧间匹配+卡尔曼滤波”的组合方法对目标进行匹配跟踪获得运动轨迹。首先在乘客目标检测的基础上,采用帧间匹配法对目标检测框进行初步匹配,当目标存在漏检或者被遮挡时则利用卡尔曼滤波对目标位置信息进行预测,并在预测位置周围区域范围内进行搜索,实现目标的连续跟踪。最后根据乘客目标运动轨迹和伪目标轨迹的特征分布,选取区分度最好的特征组合对轨迹进行分类计数,实现公交客流统计。本文分别对以上两种基于不同目标检测算法的公交客流统计方法进行了测试,实验结果表明,这两种方法均具有较高的人数统计精度,基于深度图像检测算法的人数统计精度为95.16%,基于深度学习ssd目标检测算法的人数统计精度为97.72%,均能满足公交客流统计的实际需求。

关键词：深度图像 ssd目标检测算法 SVM分类器卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：