10.15918/j.tbit1001-0645.2019.238
基于深度学习的低成本堆叠物料定位系统
针对堆叠物料无序分拣中传统定位方法硬件成本高、检测精度低等问题,设计了一种基于深度学习的堆叠物料定位系统.以单目光学相机采集得到的图像作为输入数据,利用单阶段检测算法得到候选目标,采用卷积神经网络进行目标筛选,最后对筛选后的目标感兴趣区域图像进行特征点回归,得到目标的类别、坐标和角度.堆叠物料定位系统由于无需昂贵的深度相机,且算法的鲁棒性较高,降低了硬件成本,提高了检测精度.在真实场景的测试结果显示,新系统的定位误差降低到了0.3 cm以内.
深度学习、目标检测、无序分拣
40
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目61575020
2020-11-10（万方平台首次上网日期，不代表论文的发表时间）
共7页
963-969
