文献类型：期刊文章

作　　者：王红星[1] 刘青[1] 吴欢娣[2] 梁伟[3] 邱舒鑫[1] 吕凌波[1] 刘超[4] 张夕军[4]

WANG Hongxing;LIU Qing;WU Huandi;LIANG Wei;QIU Shuxin;LV Lingbo;LIU Chao;ZHANG Xijun(School of Mechanical Engineering,Nanchang Institute of Technology,Nanchang 330099,China;Library,Nanchang Institute of Technology,Nanchang 330099,China;Yaohu College,Nanchang Institute of Technology,Nanchang 330099,China;Haier Robot Technology(Qingdao)Co.,Ltd.,Qingdao,266032,China)

机构地区：[1]南昌工程学院机械工程学院,江西南昌330099 [2]南昌工程学院图书馆,江西南昌330099 [3]南昌工程学院瑶湖学院,江西南昌330099 [4]海尔机器人科技(青岛)有限公司,山东青岛266032

出　　处：《南昌工程学院学报》

基　　金：江西省教育厅科技项目项目(GJJ190941;GJJ201917);安徽省教育厅自然科学基金项目(KJ22020A0364);江西省教育厅自然科学基金项目(20212BAB204039);瑶湖学院学生创新基金项目“面向协同跟踪任务共融类人机器人运动优化研究”。

年　　份：2023

卷　　号：42

期　　号：6

起止页码：71-75

语　　种：中文

收录情况：CAS、普通刊

摘　　要：提高小目标检测最直接的方法是采用更高分辨率图像,其缺点是计算成本随着图像像素的增加而急剧增加,并产生冗余计算。本文基于QueryDet-YOLO模型,采用Kinect传感器设计了一种小目标实时检测定位系统。在ROS(Robot Operating System)系统下,Kinect传感器利用OpenCV,通过查询机制和映射关系预测小目标物体在低分辨率特征上的位置,然后利用预测位置在HD(High Definition)下进行稀疏卷积,精确计算出小目标检测结果,并配合实时点云数据输出小目标三维坐标信息,实现小目标实时精确定位。实验结果表明,与直接在高分辨率下检测相比,本文设计的小目标实时检测定位系统减少了计算量、加快了检测速度和提高了小目标实时检测效率。

关 键 词：小目标检测 YOLO  QueryDet-YOLO  KINECT 点云定位  

分 类 号：TP242]