排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
目前, 托盘定位大多采用基于深度神经网络的目标检测算法, 一般使用矩形框进行托盘定位, 托盘中心点定位精度不高, 且无法有效估计托盘水平方向. 针对此问题, 本文提出了基于关键点检测的托盘定位方法, 通过检测托盘正面外轮廓的4个角点来定位托盘. 首先, 由于目前没有大规模的托盘数据集, 使用迁移学习的方法, 将CenterNet的人体姿态估计引入托盘定位任务. 然后改进关键点分组方法, 并提出关键点回归自适应补偿, 提高关键点检测精度. 在托盘关键点定位的基础上, 提出基于几何约束的托盘中心点计算和托盘水平方向估计方法. 本文方法与原CenterNet相比, 托盘关键点定位指标${{A}}{{{P}}^{{\text{kp}}}}$从0.352提高到0.728, 托盘中心点定位精度指标${{ALP}}$达到0.946, 并且可以有效估计托盘水平方向, 具有较高的实用价值. 相似文献
2.
托盘的识别与定位是无人叉车中关键的问题之一.当前托盘定位多采用目标检测的方法,然而目标检测只能识别托盘在图像中的位置,无法得到托盘的空间信息.针对此问题,本文提出了一种基于目标和关键点检测的单目托盘定位方法,用于检测托盘并计算托盘当前的倾角和距离.首先对托盘进行目标检测,然后将检测的结果进行裁剪后输入到关键点检测网络中.通过对托盘关键点的检测和托盘固有的几何外形特征,设计边缘自适应调整,得到高精度的托盘轮廓信息.根据几何约束提出了基于轮廓点的托盘倾角与距离计算方法,并采用RANSAC算法提升了计算结果的精度和稳定性,解决了托盘的定位问题.实验表明,本文提出的算法在倾角计算上平均误差在5°以内,水平距离计算上平均误差在110 mm以内,能较好地定位托盘,具有较高的实用价值. 相似文献
1