傳統的目標識別算法簡單、數據計算量小,可以快速完成簡單背景下的目標識別任務,但是其無法保證復雜背景下的識別準確率,算法性能也不會隨著樣本數據的增加獲得優化。因此,基于深度學習的目標識別算法已經開始被引入到實際應用中。本文利用雙目相機和深度學習算法設計了倉儲堆垛目標的自動識別定位系統,該系統能夠準確識別出堆垛目標并計算出其空間位置。本文的主要創新工作如下:(1)設計一種基于雙目相機和深度學習的堆垛目標識別定位系統(Binocular-Neural Network Positioning System,B-NPS)。系統的實現步驟是:系統初始化,利用“張正友標定法”對雙目相機進行標定,制作“Box”數據集訓練神經網絡;使用雙目相機拍攝堆垛目標空間圖像;將圖像數據輸入卷積神經網絡Mask R-CNN進行處理,計算出堆垛目標在兩張圖片中的像素坐標;根據雙目相機定位原理和相機內外參數獲得堆垛目標的三維空間位置坐標。(2)以降低系統復雜度,避免出現計算浪費現象為目標,在系統中加入預判斷網絡Prejudge Network,提出改進后系統PB-NPS(Prejudged Binocular-Neur...

【文章頁數】：72 頁

【學位級別】：碩士

【部分圖文】：

圖1.1目標定位方法分類激光測距一般借助激光雷達[55]實現，激光雷達通過測量激光在雷達和物體間的運動時間

南京郵電大學碩士研究生學位論文第一章緒論2一種可以實現對堆垛目標自動識別和定位的系統必然對堆垛機器人的設計和使用有重要意義。目標識別定位研究現狀1.2.1目標定位方法研究現狀在研究解決機器人目標定位問題時，常常借助相機或者傳感器實現對目標的定位，例如單目相機[43]、雙目相機[4....

圖1.2深度學習在目標識別領域的方法分類在twostage方法中，以R-CNN[35-38]系列作為最為著名的代表

南京郵電大學碩士研究生學位論文第一章緒論5圖1.2深度學習在目標識別領域的方法分類在twostage方法中，以R-CNN[35-38]系列作為最為著名的代表。R-CNN[35]模型是R-CNN系列算法的開端。R-CNN的設計思路很簡單，先在圖片上選定不同的區域作為感興趣區域，然后....

圖1.2本文主要工作示意圖

南京郵電大學碩士研究生學位論文第一章緒論6論文主要工作圖1.2本文主要工作示意圖本文研究工作獲得了國家自然科學基金“基于深度學習的移位MIMO‘鬼’成像方法研究”（項目批準號：61871234）的支持。本文以研究基于雙目相機和深度學習的堆垛目標識別定位系統為目的，分別從以下三個創....

圖2.1雙目相機模型

南京郵電大學碩士研究生學位論文第二章雙目相機定位原理及目標識別方法10向且重合，和方向相同，互相平行，兩軸間的距離為基線距離b。左右兩個相機的成像平面互相平行且重疊。圖2.1雙目相機模型B-NPS系統將世界坐標系的原點設置為左相機的中心，即與左相機的相機坐標系重合。設空間內的一點....

本文編號：4004406