改进多尺度特征融合的工业现场目标检测算法

为了提高工业现场等复杂场景下的小目标检测的准确率,降低工业现场的安全事故发生率,基于 YOLOv3 提出了一种改进多尺度特征融合方法。该方法增加了Inception _ shortcut 模块,优化网络的输出宽度,使用工业现场的监控视频作为数据集以及利用 k-means 算法对检测目标重新聚类,引入了 PANet 多尺度特征融合结构,精简了 YOLOv3 的网络检测输出层。在创建工业现场安全帽、安全绳数据集 FHPD 、FSRPD 以及 PASCAL VOC2007 数据集上的实验结果表明,改进算法的 mAP 比原始 YOLOv3 提高了许多。改进的多尺度特征网络融合增加了参数,但检测速度仍满足算法的实时性要求。     

基于多视觉传感器融合的装配过程质量移动智能检测技术研究

针对航空航天领域大尺寸复杂产品装配过程质量检测过程中检测项目类型多、空间跨度大以及检测环境复杂等问题,提出一种基于多视觉传感器融合的装配过程质量移动智能检测框架。该框架以移动机器人为柔性运动载体,以多视觉传感器融合形成检测单元,可实现复杂产品装配过程质量的自动化、智能化检测。重点分析了基于模型驱动的视点与站位智能规划、基于情境感知的移动机器人自适应数据采集、多源数据融合与装配过程质量综合评定等关键技术,并通过实例验证了所提框架的合理性与有效性。     

基于改进的YOLOv3的托盘检测方法研究

针对仓储环境下叉车机器人托盘识别的应用场景,以及提高托盘目标检测的准确性和鲁棒性,提出了一种基于YOLOv3算法改进后的物体识别方法.运用K-Means++聚类方法重新聚类出更适合托盘检测的Anchor Box,通过分析托盘成像在图像坐标系中横轴和纵轴的密度分布,继而调整了划分网格机制,改进损失函数.并在运用数据增强手...     

基于多模态特征融合的自主驾驶车辆低辨识目标检测方法

针对自主驾驶车辆在真实驾驶环境下对低辨识目标的识别问题,提出了基于多模态特征融合的目标检测方法.基于Faster R-CNN算法设计多模态深度卷积神经网络,融合彩色图像、偏振图像、红外图像特征,提高对低辨识目标的检测性能;开发多模态(3种)图像低辨识度目标实时检测系统,探索多模态图像特征融合在自动驾驶智能感知系统中的应...     

多传感器融合技术及其应用

多传感器融合技术是近几年来迅速发展的新技术，具有广阔的应用前景。本重点介绍了该技术的基本工作原理、功能、融合法及其应用等。     

基于传感器数据融合的车辆目标匹配

利用毫米波雷达和相机数据融合检测前方障碍物的方法,可以为智能驾驶汽车提供准确可靠的感知信息。因而,基于多传感器数据融合的目标匹配的重要性逐渐凸显。为实现二者的目标匹配,首先构建了相机和毫米波雷达的时间融合模型和空间融合模型,实现二者数据的时间一致和空间对准,然后对毫米波雷达数据和图像数据进行处理,通过对毫米波雷达数据的预处理且引入有效目标决策算法,获取毫米波雷达的有效目标数据;利用基于深度学习的目标检测算法,实现对图像中车辆目标的检测。最后设计了二者的目标匹配算法,并通过实验验证了该方法的有效性。     

基于多模态特征融合的自主驾驶车辆低辨识目标检测方法#br#

针对自主驾驶车辆在真实驾驶环境下对低辨识目标的识别问题,提出了基于多模态特征融合的目标检测方法。基于Faster R-CNN算法设计多模态深度卷积神经网络,融合彩色图像、偏振图像、红外图像特征,提高对低辨识目标的检测性能;开发多模态（3种）图像低辨识度目标实时检测系统,探索多模态图像特征融合在自动驾驶智能感知系统中的应用。建立了人工标注过的多模态（3种）图像低辨识目标数据集,对深度学习神经网络进行训练,优化内部参数,使得该系统适用于复杂环境下对行人、车辆目标的检测和识别。实验结果表明,相对于传统的单模态目标检测算法,基于多模态特征融合的深度卷积神经网络对复杂环境下的低辨识目标具有更好的检测和识别性能。     

基于数据融合技术的多传感器目标跟踪系统

数据融合技术是集多种学科于一体的前沿技术.多传感器目标跟踪是数据融合技术在目标跟踪领域的应用范例,它将多个传感器信息有机合成,估计目标的运动状态,产生比单一传感器更优越的跟踪性能,在此,阐述了数据融合技术及其在多传感器目标跟踪系统中的应用.     

基于激光点云与图像融合的3D目标检测研究

目前基于激光雷达与摄像头融合的目标检测技术受到了广泛的关注,然而大部分融合算法难以精确检测行人、骑行人等较小目标物体,因此提出一种基于自注意力机制的点云特征融合网络。首先,改进Faster-RCNN目标检测网络以形成候选框,然后根据激光雷达和相机的投影关系提取出图像目标框中的视锥点云,减小点云的计算规模与空间搜索范围;其次,提出一种基于自注意力机制的Self-Attention PointNet网络结构,在视锥范围内对原始点云数据进行实例分割;然后,利用边界框回归PointNet网络和轻量级T-Net网络来预测目标点云的3D边界框参数,同时在损失函数中添加正则化项以提高检测精度;最后,在KITTI数据集上进行验证。结果表明,所提方法明显优于广泛应用的F-PointNet,在简单、中等和困难任务下,汽车、行人和骑行人的检测精度均得到较大的提升,其中骑行人的检测精度提升最为明显。同时,与许多主流的三维目标检测网络相比具有更高的准确率,有效地提高了3D目标检测的精度。     

基于BP神经网络的目标识别算法和多源感知技术相融合的GIS性能检测方法

针对传统多源感知检测方法在气体绝缘全封闭组合电器(Gas Insulated Switchgear, GIS)作业中性能检测数据准确度不足的问题,设计了一种基于目标识别算法和多源感知技术相融合的GIS性能检测方法。在传统性能检测技术中引入以BP神经网络为核心的目标识别算法,通过BP多层神经网络,实现了高效地数据目标提取,大幅提高了数据检测的准确度。为解决单一传感器不能完整地捕捉复杂环境信息的问题,基于多源感知技术,采用多个传感器对多个数据源进行综合感知,扩展了环境视角与信息维度,实现了对周围环境的全方位监控,使检测系统获得了更为理想的数据检测能力。在实际GIS运行环境中进行实地检测,将所提出的改进多源感知方法与传统多源感知方法进行了实验对比。结果表明,所提方法能够将GIS性能检测的准确度提高至98%以上。     

基于特征融合的双模态低辨识度目标识别

针对单一彩色相机对低辨识度目标识别准确率低的问题,提出了一种利用彩色相机和红外热成像仪同时检测自动驾驶目标的方案.为了同时提取彩色图像的颜色特征与红外图像的温度特征,在单模态YOLOv3网络基础上改进网络结构得到双模态YOLOv3神经网络,并设计四种特征融合对比实验以确定最佳融合方案;建立双模态数据集同步采集系统,采集...     

基于多传感器融合的车载酒精检测系统设计

为了能有效防患因驾驶员酒后驾车而造成的事故发生,设计出一种以ARM系列微控制器LPC2294作为核心控制器,并采用高灵敏度电化学酒精传感器ME3A-C2H5OH和半导体酒精传感器MQ-3多个传感器进行数据采集,利用模糊控制算法融合多传感器信号的车载酒精检测系统。该系统能提供检测、显示、报警、控制、记录等多种功能,具有成本低、体积小、智能化强的特点。通过仿真知其有较高的精确度。     

基于融合多维非对称策略的螺纹缺陷检测方法

目前机械零件螺纹的缺陷检测主要依赖人工目视检测,存在速度慢、误差大等问题,为此,基于融合多维非对称策略提出一种计算机视觉螺纹缺陷检测方法。首先,在YOLOv7目标检测算法的网络结构部分新增一层160×160的特征提取层,增加模型的目标检测尺度;设计LAM+DBAM注意力模块,引入标准差权重影响因子,从而构建新的权值计算公式,将发挥重要程度不同的特征提取层进行非对称融合,提升网络对小目标的特征提取能力。其次,采用TIoU损失函数,将预测框和标签框进行区分,非对称地处理输入的2个边界框,提升前景信息在网络特征提取过程中发挥的作用。最后,对模型的BN层进行稀疏化训练,通过缩放因子γ判断卷积核的重要程度,对非重要卷积核进行剪枝,消除模型的冗余参数,提升检测速度。试验结果表明,提出的基于融合多维非对称策略的螺纹缺陷检测方法的精度均值达到93.72%,检测速度达到53 f/s。     

基于空时域融合处理检测超大视场红外目标

针对超大视场红外凝视成像系统用于目标检测时存在的背景复杂、杂波干扰多、目标信息少等问题,提出了基于空时域融合处理的目标检测方法。该方法在空域部分优化设计Robinson算子,完成单帧图像的目标初始检测;然后结合超大视场成像特性,利用基于天地线检测的图像区域自动划分和空域虚警抑制方法,有效滤除非目标检测区中的疑似目标。在时域部分则兼顾目标时域特征,采用基于时域多特征约束的邻域判决法对真实目标进行时域确认。开展了月空背景下的空中目标检测试验,验证了本文算法的有效性。试验表明:经空域部分处理后,原始图像中的背景杂波干扰大大减少,目标局部信噪比提高了1.3倍以上,而且疑似目标数目减少了70%;经时域部分处理后,可成功检测出红外弱小目标,并输出其轨迹,检测概率在95%以上,而虚警率不足1.5%,最低目标检测信噪比为2.86。实验表明:本文方法适用于超大视场图像的红外弱小目标检测,对地物背景、恒亮孤立点源、瞬时强噪声等干扰有较强的抑制能力,对点状运动目标有良好的检测效能。     

基于多传感器融合技术的楼道照明检测系统设计

传统楼道照明系统中使用单一传感器检测外界环境,存在可靠性差、人性化程度低等问题,通过对单片机控制技术、多传感器融合理论的深入研究,提出采用人体红外传感器模块、人体微波传感器模块和光敏电阻模块组成的多传感器检测系统,该检测系统不仅提高了检测系统的可靠性,而且使照明系统人性化程度大大提高。通过在proteus中对所建立的电路模型进行仿真,结果表明,所设计的检测系统满足使用要求,研究内容有较高的应用价值。     

基于CS的SAR旋转微动目标检测方法研究

本文提出一种基于压缩感知理论(CS)实现旋转微动目标检测的方法。首先根据正侧视SAR系统空间几何模型对旋转点目标和旋翼三叶片目标进行成像;然后根据旋转微动目标的成像特征和形式,构造包含线形和圆形元素的超完备字典,再利用Hough变换域的稀疏性,用压缩感知理论寻找待检测图像中是否包含旋转目标所成像的几种形式来检测转动目标;最后通过补偿校正的方法对旋转微动目标进行再次判别,排除虚假目标。实验结果证明了所提方法的有效性。     

基于主观贝叶斯推理的多传感器分布式故障检测融合方法

针对复杂数控加工中心故障预测中各传感器检测信息呈现不确定性的问题,提出基于不确定性推理的多传感器分布式检测融合算法。该算法通过利用主观贝叶斯推理,获取局部检测装置的判决规则,并选取合适的局部判决规则送到融合规则中心,将来自不同传感器的观测数据进行综合分析,最后产生全局判决。以复杂立式加工中心为对象建立测试平台,利用多传感器样本获取方法进行机床不同运行状态及运行环境下的故障样本获取试验。试验表明在含有大量不确定性信息的故障诊断系统中,基于主观贝叶斯推理的分布式检测融合算法具有故障信息识别率高、诊断速度快的优点,其诊断错误率明显低于单个传感器的诊断错误率,且诊断错误率要低于串行分布式检测融算法。     

基于多传感器融合的智能磨削加工系统研究

建立了基于多传器融合技术的智能磨削加工监测与控制系统。针对加工过程中振动信号和声发射信号的特点,利用小波分析技术提取信号深层特征以识别磨削过程状态。采用自适应跟踪控制算法提高系统对非圆表面轴类磨削的跟踪精度。     

基于深度学习的协作机械臂目标定位与抓取研究

针对协作机械臂在工业应用场景中目标定位困难、抓取精度不高等问题,提出一种基于ROS (Robot Operating System)和深度学习的协作机械臂目标定位与抓取方法。首先搭建了一种视触觉融合的机械臂智能抓取实验平台,该平台由Kinect v2视觉系统、Moveit控制系统及AUBO i5机械臂执行系统组成;以Kinect v2视觉系统为基础设计了一种改进YOLOv8轻量化模型的目标检测识别定位方法实现目标定位;采用GSConv和VoV-GSCSP网络结构改进特征融合Neck端解决了参数量大、算力要求高的问题;控制系统订阅tf广播的目标物体坐标信息实现抓取任务。实验结果表明,模型改进后的计算量GSConv和VoV-GSCSP减少6.9%,GFLOPs减少7.3 (9.8%),且提高了检测精度;螺丝和螺母两种目标物抓取的成功率分别为99%和97%。     

基于多传感器融合的工程机械智能施工系统研究

为进一步推动工程机械智能化施工进程,选取反铲液压挖掘机进行工程机械智能施工系统研究。首先,在挖掘机上安装MEMS倾角仪与GNSS定位定向装置,实现挖掘机动作、工作位置的实时监测;然后,提出铲齿三维坐标的推算算法,使用Solid Works和3D Max软件对挖掘机建模并在Qt+Open GL环境下实现模型显示;最后,利用CAN总线实时传输监测数据,实现施工现场挖掘机动作与模型动作同步。经过实车测试,智能施工系统满足工程机械施工精度要求。该系统将传感器技术、计算机技术与工程机械相结合,改变传统工程机械的施工方式,优化施工流程,加快工程机械的智能施工进程。