文献类型：期刊文章

作　　者：李鸿彬[1] 孟庆浩[1] 孙玉哲[1] 靳荔成[1]

Li Hongbin;Meng Qinghao;Sun Yuzhe;Jin Licheng(Institute of Robotics and Autonomous System,School of Electrical and Information Engineering,Tianjin University,Tianjin 300072,China)

机构地区：[1]天津大学电气自动化与信息工程学院机器人与自主系统研究所,天津300072

出　　处：《激光与光电子学进展》

基　　金：国家自然科学基金(61573252);国家重点研发计划(2017YFC0306200)。

年　　份：2021

卷　　号：58

期　　号：14

起止页码：416-423

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：提出了一种基于深度学习的门牌检测方法,以实现室内环境中移动机器人的全局定位。具体步骤为:基于MobileNet-SSD算法对单目相机获取的图像进行门牌区域检测;提出一种改进的旋转投影方法用于倾斜图像校正;通过kNN(k-Nearest Neighbors)算法进行门牌号识别;根据事先采集的各个门牌的正视模板图片进行SURF(Speeded Up Robust Features)特征点匹配,进而实现基于n点透视(PnP)问题的相机位姿求解;根据坐标变换实现移动机器人的全局定位。使用移动机器人在室内办公环境下进行定位实验,结果表明,基于该方法实现的平均位置误差约为7 cm,朝向误差为0.1712 rad,相较于只使用自适应蒙特卡罗方法时位置误差减小了约50%,朝向误差减小了约57%。

关 键 词：机器视觉 移动机器人 深度学习  MobileNet-SSD  门牌号识别  PnP位姿求解  室内定位  

分 类 号：TP242]