文献类型：期刊文章

作　　者：毛先胤[1] 刘宇[1] 马晓红[1] 张迅[1] 王云[2] 鲁彩江[2]

MAO Xianyin;LIU Yu;MA Xiaohong;ZHANG Xun;WANG Yun;LU Caijiang(Guizhou Electric Power Test Research Institute,Guiyang 550002,China;School of Mechanical Engineering,Southwest Jiaotong University,Chengdu 610031,China)

机构地区：[1]贵州电网有限责任公司电力科学研究院,贵阳550002 [2]西南交通大学机械工程学院机电测控系,成都610036

出　　处：《自动化与仪器仪表》

基　　金：国家自然科学基金(No.61801402);中央高校基本科研专项资金(No.A0920502051822-2);中国南方电网有限责任公司科技项目(No.GZKJXM20171600)。

年　　份：2020

期　　号：5

起止页码：45-48

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：电力巡线机器人常常工作于野外,周围有树木等环境干扰。同时,野外环境下,早晚太阳的照射角度和光照强度都有很大变化。而机器人在运动过程中,障碍物距离机器人的距离也在发生变化,这样会造成障碍物在图像空间中的尺度发生变化。这些光照变化和障碍物尺度的变化都会对识别的准确率造成巨大的挑战。针对这些挑战,提出采用深度学习领域的Single Shot Multi-Box Detector(SSD)算法来识别电力线障碍物。SSD算法可以自学习出对光照不敏感的特征,同时不同尺度的feature map可以识别不同尺度下的障碍物,可以克服光照和尺度变化带来的影响。由于SSD网络深度较深,容易出现梯度消失问题,在原有的SSD算法的基础上,在卷积层后面增减了Batch Normalization层,从而避免了梯度消失,同时加快了网络收敛速度。

关 键 词：机器视觉 巡线机器人 障碍物识别 SSD

分 类 号：TP24]