收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的双目视觉目标检测和定位研究

李山坤  
【摘要】:随着人工智能技术的不断发展,如何让机器人能够更加精准的感知周围信息已经成为一项关键研究,目标检测和定位技术成为人工智能领域的一个热点问题,在众多领域都有着广泛的应用前景和非常巨大的市场价值。利用该技术可以进行自动驾驶辅助、无人机、虚拟互动和军事侦察等领域。本文对目标检测算法、双目立体匹配算法进行深入的理论研究,将深度学习的目标检测算法和立体匹配算法相结合实现目标检测和定位功能,并对现存问题提供解决思路。现有基于深度学习的目标检测算法,在快速、准确的实现目标检测这一任务的同时,需要消耗大量的计算资源,同时运算模型参数量较大,这也就使得基于深度学习的目标检测算法在未来应用面临巨大的挑战。针对于此,本文在基于回归思想的YOLO v3的目标检测算法的网络基础上,结合Mobile Net v2轻量级网络进行特征提取,提出了基于倒置残差分离卷积的YOLO v3网络结构;并针对深度可分离卷积特征提取较为稀疏导致预测精度偏低问题,将深度可分离卷积和残差结构结合设计预测分支网络,有效的提高了目标检测精度。同时,考虑到图像中的目标大小对损失函数造成的影响不同,设计了变尺度权重的GIo U损失函数,将预测出来的候选窗的大小作为权重计算依据。实验结果表明,改进后的网络结构参数量减小,运行速度显著提高,同时保持良好的检测精度。立体匹配算法包含局部立体匹配算法和全局立体匹配算法,局部立体匹配算法有局部立体匹配算法中以自适应支持窗口和自适应支持权重两种代价聚合方法为主。自适应窗口依靠颜色阈值作为判断依据,使得在边缘处的像素点的交叉区域窗口会包含较多无关区域,这就对后续的视差值计算造成干扰。对此,本文提出边缘约束的自适应引导滤波局部立体匹配算法,将引导图滤波与自适应区域的代价聚合算法相结合,构建自适应引导滤波,以此来保证代价聚合的过程中包含着更多的有效窗口,充分利用局部特征的差异性,并采用线性阈值的方法进行计算颜色阈值,同时在边界点处设置臂长最大延伸阈值,使得边界点处包含更多有效像素的信息,有利于对视差图边缘保护。本文将深度学习的目标检测算法和立体匹配算法结合,实现了通过双目相机进行目标检测,计算得到目标与相机的相对位姿,从而实现了目标检测和定位功能。并进一步对本文所提出的目标检测算法和立体匹配算法相结合进行室内定位实验分析。


知网文化
【相似文献】
中国期刊全文数据库 前15条
1 马龙;孙铭泽;黄超;裴昕;周航;张鸿燕;;基于强相似点检测快速双目立体匹配算法[J];计算机工程与应用;2018年06期
2 周琼;;基于计算机的视觉立体匹配算法探究[J];数字通信世界;2018年08期
3 王玉锋;王宏伟;刘宇;杨明权;全吉成;;渐进细化的实时立体匹配算法[J];光学学报;2020年09期
4 黄超凡;张鹏博;;基于导向滤波的立体匹配算法[J];现代计算机(专业版);2018年09期
5 刘森;厍向阳;;一种改进双目视觉立体匹配算法[J];电子世界;2016年07期
6 彭彬彬;朱大奇;;基于区域快速生长的双目视觉立体匹配算法研究[J];系统仿真技术;2015年03期
7 侯一民;尚浩天;;立体匹配算法改进与优化[J];电子制作;2021年16期
8 高一宁;韩燮;;双目视觉中立体匹配算法的研究与比较[J];电子测试;2011年01期
9 李亚旋;谢红薇;王春丹;张兴忠;;多分量权值的树结构立体匹配算法[J];计算机工程与设计;2020年09期
10 杜晨瑞;李英祥;;改进的跨尺度引导滤波立体匹配算法[J];计算机系统应用;2019年04期
11 李智鹏;宋勇;余烨;何小旭;聂振兴;;基于最小生成树的立体匹配算法[J];合肥工业大学学报(自然科学版);2015年05期
12 宁晓斐;胡波;赵磊;徳文智;;立体匹配算法的分类对比研究[J];硅谷;2013年18期
13 郑秋梅;温阳;王风华;;基于多卷积核通道特征加权双目立体匹配算法[J];计算机与数字工程;2021年10期
14 王贺迎;张明志;郭京;周静;李鹏;张于;王顺;;大场景深度范围下的角度校验立体匹配算法[J];宇航计测技术;2019年06期
15 顾梦娇;朱宇锋;郭迎庆;张凌峰;;基于半全局立体匹配算法的改进研究[J];电子测量技术;2020年19期
中国重要会议论文全文数据库 前20条
1 姜吉祥;屈玉福;;双目视觉立体匹配算法对比研究[A];全国射线数字成像与CT新技术研讨会论文集[C];2012年
2 刘世敏;李睿;苏晓杰;;基于深度学习的多鱼眼全向视图深度估计方法[A];2021中国自动化大会论文集[C];2021年
3 夏泽邑;刘冲;王跃宗;沙里瓦特;;基于平均局部熵的显微立体匹配算法[A];中国仪器仪表学会第五届青年学术会议论文集[C];2003年
4 贾波;章毓晋;张宁;林行刚;;一种二维搜索的立体匹配算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年
5 高月芳;朱同林;张佑生;偶春生;;一种改进的立体匹配算法[A];全国第13届计算机辅助设计与图形学(CAD/CG)学术会议论文集[C];2004年
6 赵亮亮;黎宁;;一种基于全局约束的立体匹配算法[A];第十三届全国图象图形学学术会议论文集[C];2006年
7 杜娟;徐晟;;基于改进自适应窗和动态规划的立体匹配算法[A];第36届中国控制会议论文集(G)[C];2017年
8 朱程辉;何勇;王金玲;;一种基于小波金字塔的多分辨率立体匹配算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
9 张学贺;赵杰;李戈;侯珍秀;;基于支撑点的立体匹配[A];2015光学精密工程论坛论文集[C];2015年
10 何元磊;李红军;周陆军;李旭渊;顾立林;尼涛;;基于端元丰度量化的高光谱图像目标检测算法[A];国家安全地球物理丛书(十一)——地球物理应用前沿[C];2015年
11 葛录录;陈厚儒;杨哲铭;史彩娟;;基于特征增强的改进型YOLOv3目标检测算法[A];第十五届全国信号和智能信息处理与应用学术会议论文集[C];2022年
12 贺宇哲;何宁;张人;晏康;于海港;;基于双阶段目标检测算法研究综述[A];中国计算机用户协会网络应用分会2021年第二十五届网络新技术与应用年会论文集[C];2021年
13 李震霄;孙伟;刘明明;赵玉普;王伟男;胡光喆;;面向辅助驾驶系统的实时目标检测算法研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
14 侯笑晗;金国栋;谭力宁;;基于无锚框检测网络FCOS的SAR舰船目标检测算法[A];国家安全地球物理丛书(十六)——大数据与地球物理[C];2020年
15 杨钧智;吴金亮;左斌;周玉明;智军;张越;;基于注意力机制的卷积神经网络遮挡目标检测算法[A];第七届高分辨率对地观测学术年会论文集[C];2020年
16 张宁;刘海波;王彦华;龙腾;;雷达距离扩展目标检测算法性能研究[A];第十四届全国信号和智能信息处理与应用学术会议论文集[C];2021年
17 孙晨晨;周峰;;探地雷达B扫图像自动检测在嵌入式设备上的应用[A];2020年中国地球科学联合学术年会论文集(十六)—专题四十六:探地雷达新进展、专题四十七:油气田与煤田地球物理勘探、专题四十八:污染灾害生态地下水等环境领域中地球物理监测与检测的技术应用及研究进展[C];2020年
18 何新卫;闫阿泽;陈龙;侯鹏程;董丹丹;马雅婷;;基于改进PointPillars的快速准确的三维目标检测算法[A];2021年无人系统高峰论坛(USS 2021)论文集[C];2021年
19 张辉;张文武;;基于CNN的无人机目标检测算法比较与分析[A];第八届中国指挥控制大会论文集[C];2020年
20 孙瑾秋;张艳宁;姜磊;王敏;;基于变换域特征的星空背景弱小目标检测算法[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年
中国博士学位论文全文数据库 前20条
1 马浩;典型立体匹配算法精化方法研究[D];武汉大学;2018年
2 姚鹏;立体视觉中精确立体匹配算法的研究[D];天津理工大学;2019年
3 李婕;盲人导航系统中双目立体匹配算法的研究[D];武汉大学;2013年
4 陈彬;实时双目立体匹配算法研究与实现[D];武汉科技大学;2014年
5 张翔;基于可编程片上系统的实时立体匹配算法研究[D];浙江大学;2014年
6 朱程涛;基于图像滤波的精确立体匹配算法研究[D];天津大学;2019年
7 施陈博;快速图像配准和高精度立体匹配算法研究[D];清华大学;2011年
8 翟振刚;立体匹配算法研究[D];北京理工大学;2010年
9 曹晓倩;面向病态场景图像对的立体匹配算法研究[D];中国科学院研究生院(西安光学精密机械研究所);2014年
10 池凌鸿;立体匹配算法的研究和应用[D];中国科学技术大学;2011年
11 桑海伟;复杂场景下双目立体匹配算法研究[D];贵州大学;2021年
12 郑志刚;高精度摄像机标定和鲁棒立体匹配算法研究[D];中国科学技术大学;2008年
13 王玮;基于遮挡信息的局部立体匹配算法的研究[D];山东大学;2012年
14 张康;基于图像深度感知中的立体匹配和深度增强算法研究[D];清华大学;2015年
15 于方杰;光照变化条件下立体视觉技术研究[D];中国海洋大学;2013年
16 高雅昆;水下图像质量增强与立体匹配算法研究[D];燕山大学;2019年
17 刘赫伟;基于地面控制点和能量优化的鲁棒立体匹配算法研究[D];中国科学技术大学;2009年
18 郭明玮;基于视觉记忆的目标检测算法:一个特征学习与特征联想的过程[D];中国科学技术大学;2014年
19 陈春霖;复杂场景下的目标检测算法研究[D];中国科学技术大学;2021年
20 张学贺;基于双目视觉的六足机器人环境地图构建及运动规划研究[D];哈尔滨工业大学;2016年
中国硕士学位论文全文数据库 前20条
1 李山坤;基于深度学习的双目视觉目标检测和定位研究[D];哈尔滨工程大学;2020年
2 高亮;双目视觉中的立体匹配算法研究[D];东北大学;2014年
3 顾骋;基于双目视觉的立体匹配算法研究与应用[D];南京理工大学;2014年
4 吴勉;基于可信点的立体匹配算法研究及其应用[D];清华大学;2014年
5 杜旭;基于双目视觉的立体匹配算法研究[D];华北电力大学;2020年
6 杜旭;基于双目视觉的立体匹配算法研究[D];华北电力大学;2020年
7 冯云剑;基于深度学习的立体匹配算法研究[D];武汉理工大学;2020年
8 蒋昂;双目视觉中立体匹配算法的研究与实现[D];天津工业大学;2016年
9 张小雪;基于双目视觉的立体匹配算法研究[D];东北大学;2014年
10 纪坤;基于FPGA的双目视觉立体匹配算法的研究与实现[D];华中科技大学;2014年
11 邓茜雪;基于动态规划的水下立体匹配算法的研究[D];燕山大学;2015年
12 亢宇欣;多测度融合的立体匹配算法研究[D];西南石油大学;2019年
13 李逵;双目视觉立体匹配算法研究[D];暨南大学;2009年
14 王伟;车载秸秆燃料体积测量的立体匹配算法研究[D];华北电力大学(北京);2009年
15 谭雨;基于端到端卷积神经网络的双目立体匹配算法研究[D];电子科技大学;2021年
16 石冬健;基于深度学习的立体匹配算法研究[D];华侨大学;2020年
17 范海瑞;双目视觉立体匹配算法的研究与实现[D];河北工业大学;2019年
18 吕健;基于双目视觉的三维目标感知技术研究[D];湖南大学;2019年
19 伊进延;基于深度学习的三维人脸重建技术研究[D];电子科技大学;2019年
20 张乾;基于FPGA的双目立体视觉系统设计与实现[D];北京交通大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978