论文部分内容阅读
目标的检测、跟踪、定位和预测在实际生活中的应用率越来越高,使得其研究价值和实际使用价值直线升高、逐渐成为计算机视觉的重要研究方向。目标的检测、跟踪、定位和预测系统能够在工业生产中有效减少人力劳动而且能够大幅度提高工作效率。但是在实际应用场景中仍然面临目标检测速度、精度、追踪实时性不够高,甚至目标丢失的问题。这些问题会影响到我们的目标检测、跟踪、定位和预测系统的性能,为了解决这些问题,本文针对传送带上的香菇分拣工作这一实际场景,设计并实现了一套香菇的检测、跟踪、定位和预测系统。首先,本文改进了目前较为常用的检测算法YOLOv2(You Only Look Once)算法,根据香菇根部细长的特点,调整了检测框的形状,并且增加了横向的检测密度,设置了单一的检测目标,提高了检测速度。针对YOLOv2在检测小目标物体时效果不理想的问题,使用ResNet50作为YOLOv2算法的特征提取网络,引入了残差网络使得检测精度更好并且可以解决由于网络深度过深而引起的梯度爆炸问题。通过实验验证,经过训练集训练后,改进后的YOLOv2算法检测根部朝上香菇的速度更快、检测精度要高。表明了本文使用的改进的目标检测算法在检测精度和检测速度上有一定的优势。然后,在YOLOv2检测算法第一帧检测到根部朝上的香菇的同时,利用卡尔曼滤波算法来跟踪预测位于传送带上的香菇下一时刻即将到达的位置以达到实时检测的目的。为了得到香菇的实时坐标信息,在检测及预测的同时获取此时刻根部朝上的香菇的像素坐标信息,再根据相机的成像原理把根部朝上的香菇的像素坐标转换成世界坐标,由此便得到了香菇的实时位置坐标。针对可能出现的香菇离开相机视野之外的情况,根据得到的实时位置坐标信息也就是香菇的序列坐标,利用长短期记忆网络(LSTM)预测出在相机之外的传送带上的香菇即将到达的位置,得到之后坐标信息后便可以控制机械臂对香菇进行抓取。最后,本文基于以上算法,设计并且实现了一套对传送带上的根部朝上的香菇的检测、跟踪、定位和预测系统,该系统能对相机下的根部朝上的香菇进行实时的检测、跟踪、定位以及后续位置的预测。该系统由对根部朝上的香菇的检测模块、对根部朝上的香菇的持续跟踪模块、香菇定位模块和香菇的位置预测模块组成。经过系统的实验证明,本系统能够有效的对传送带上根部朝上的香菇进行快速精准的检测和长时间的跟踪,在检测和跟踪到根部朝上的香菇的同时能够得到香菇的位置坐标并且能够预测出相机之外的根部朝上的香菇的位置,证明了系统的可行性。