典型文献
YOLOv4与ORB深度融合的绝缘子识别定位研究
文献摘要：
为了解决复杂背景下铁路接触网绝缘子的快速准确识别及定位问题,提出了一种YOLOv4目标检测算法和ORB特征匹配算法深度融合的绝缘子识别定位方法.首先利用迁移学习的策略训练YOLOv4检测网络,解决了绝缘子数据集样本较少导致过拟合的问题;然后采用高斯金字塔提取图像多尺度特征,使原始ORB算法具备尺度不变性;最后将以上两种算法融合,在双目相机获取的图像上标出绝缘子识别框,并在左右图像识别框内提取特征点进行匹配,利用视差原理还原出绝缘子相对于相机的三维坐标.实验结果表明,该方法可以有效地避免复杂背景干扰,准确地定位出绝缘子的三维坐标,4 m内最大定位误差为2.1％,检测速度为35 fps,具有较高的精确性和实时性.
文献关键词：
绝缘子;YOLOv4;ORB;迁移学习;双目视觉
中图分类号：
作者姓名：
廖国庆;吴文海;曾鑫鹏
作者机构：
西南交通大学机械工程学院 成都 610031
文献出处：
引用格式：
[1]廖国庆;吴文海;曾鑫鹏-.YOLOv4与ORB深度融合的绝缘子识别定位研究)[J].电子测量与仪器学报,2022(02):131-138
A类：
B类：
YOLOv4,ORB,绝缘子识别,识别定位,定位研究,复杂背景,铁路接触网,快速准确,准确识别,定位问题,目标检测算法,特征匹配算法,定位方法,迁移学习,策略训练,测网,过拟合,高斯金字塔,多尺度特征,尺度不变性,算法融合,双目相机,上标,标出,右图,图像识别,框内,提取特征点,视差,三维坐标,免复,背景干扰,大定,定位误差,检测速度,fps,精确性,双目视觉
AB值：
0.423292
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。
