摘 要:本文采用YOLOv2 深度学习模型对双足机器人拍摄到的第一帧图像进行目标定位检测,接着通过传统的Camshift算法对后续图像中的目标进行跟踪,直到逼近目标后利用机器人关节运动控制程序拾起目标。该方法的优点是:将深度学习算法与传统图像跟踪技术相结合,增强了系统的鲁棒性和实时性。
关键词:YOLOv2;Camshift;目标检测
中图分类号:TP391.41;TP242 文献标识码:A 文章编号:2096-4706(2019)18-0137-04
Biped Robot Target Detection and Picking Based on YOLOv2
LIU Chaoqiang,YE Kun,LI Hexi
(Faculty of Intelligent Manufacturing,Wuyi University,Jiangmen 529020,China)
Abstract:In this paper,we use YOLOv2 deep learning model to detect a target location through the first frame image captured by biped robot. Then we use traditional Camshift algorithm to track the target in the follow-up image until the target is approached and the robot joint motion control program is used to pick up the target. The advantage of this method is that the combination of deep learning algorithm and traditional image tracking technology enhances the robustness and real-time performance of the system.
Keywords:YOLOv2;Camsift;target detection
参考文献:
[1] 李英豪,王华军,汪绪彪,等.SIFT 算法研究及在目标识别中的应用 [J]. 舰船科学技术,2016,38(10):172-174.
[2] 雷维卓. 基于YOLOv2 的实时目标检测研究 [D]. 重庆:重庆大学,2018.
[3] 庄福振,罗平,何清,等. 迁移学习研究进展 [J]. 软件学报,2015,26(1):26-39.
[4] Gonzalez R. C. 数字图像处理 [M]. 阮秋琦,等译. 北京:电子工业出版社,2009.
[5] 师庆敏. 基于Camshift 算法的目标跟踪问题研究 [D]. 合肥:安徽大学,2013.
作者简介:
刘超强(1994.10-),男,汉族,广东恩平人,本科,学士学位,研究方向:图像分析与机器学习;
叶坤(1997.03-),男,汉族,广东江门人,本科,学士学位,研究方向:图像分析与机器学习;
通讯作者:
李鹤喜(1961.11-),男,汉族,辽宁昌图人,教授,博士,研究方向:人工智能与机器视觉。