典型文献
基于深度学习的钢筋绑扎机器人目标识别定位
文献摘要：
为了解决钢筋绑扎机器人对绑扎点识别准确率低,定位精度差的问题,提出一种基于深度学习的钢筋绑扎机器人目标识别与定位方法.首先采用YOLOv4算法对绑扎点目标框识别和裁剪,完成绑扎点初始定位;其次设计轮廓角点选取方法,利用角点计算绑扎点的图像坐标;之后通过融入CBAM注意力机制改进Monodepth算法的特征提取部分,解码部分引入路径增强PAN结构,以提高模型的特征提取能力,进一步提高立体匹配精度;最后通过双目立体视觉定位技术获得绑扎点深度信息,并由坐标变换求解钢筋绑扎机器人手眼坐标系映射关系,从而实现对绑扎点的精确识别和定位.实验结果表明:该方法针对绑扎点目标框的识别准确率达到了 99.75％,每秒传输帧数达到54.65;在空间中的定位精度最大误差为11.6 mm.可较好地识别定位绑扎点位置,为自动绑扎工作提供有力支持.
文献关键词：
钢筋绑扎机器人;深度学习;目标识别;特征提取;深度估计;双目视觉
中图分类号：
作者姓名：
董国梁;张雷;辛山
作者机构：
北京建筑大学电气与信息工程学院 北京100044
文献出处：
引用格式：
[1]董国梁;张雷;辛山-.基于深度学习的钢筋绑扎机器人目标识别定位)[J].电子测量技术,2022(11):35-44
A类：
钢筋绑扎机器人,绑扎点,Monodepth
B类：
识别定位,识别准确率,定位精度,目标识别与定位,定位方法,YOLOv4,点目标,裁剪,始定,角点,点选,图像坐标,CBAM,注意力机制,机制改进,解码,引入路径,PAN,特征提取能力,高立,立体匹配,匹配精度,双目立体视觉,视觉定位技术,技术获得,深度信息,坐标变换,人手,手眼,坐标系,映射关系,精确识别,识别和定位,每秒,秒传,最大误差,深度估计,双目视觉
AB值：
0.306138
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
