使用该系统的基于改进的YOLO6D算法的位姿估计方法包括如下步骤:采集包含目标物体的原始图像;对包含目标物体的原始图像进行处理得到边缘清晰的目标物体图像;构建YOLO6D模型的训练数据集;对YOLO6D模型进行改进,包括:为对称目标物体和非对称目标物体定义两种不同的损失函数;利用所述训练数据集对改进的YOLO6D模型进行训练,获得...
针对传统姿态估计算法抗背景干扰能力弱,被遮挡目标识别精度差的问题,结合深度学习提出一种基于YOLO-6D算法改进的目标姿态估计模型.将原算法中的YOLO V2检测网络变更为YOLO V3网络,同时增添注意力机制以增强模型对背景复杂且存在遮挡的物体的检测能力,并且调整了位姿估计方法,选择单元群进行基于随机样本一致性(RANSAC)算法...
本文将结合YOLOv5和6D位姿估计算法,探讨其研究方法和应用展望。 二、YOLOv5目标检测算法的基本原理 YOLO(You Only Look Once)目标检测算法是一种端到端的实时目标检测算法。YOLO算法将目标检测问题转化为回归问题,通过深度神经网络直接预测出物体类别和位置信息。YOLOv5是YOLO算法的最新版本,通过引入一些改进,提升了目标...
本发明公开了一种工业环境下基于改进的YOLO6D算法的目标检测方法,包括以下步骤:采集包含待检测目标的若干图像;构建YOLO6D网络的训练数据集;对YOLO6D网络进行改进,包括:利用ResNet53代替ResNet19的深度残差神经网络,将回归函数以及激活函数中的Softmax替换为Sigmoid;利用训练数据集对YOLO6D网络进行训练,获得目标检测模型;利...
本发明公开了一种工业环境下基于改进的YOLO‑6D算法的目标检测方法,包括以下步骤:采集包含待检测目标的若干图像;构建YOLO‑6D网络的训练数据集;对YOLO‑6D网络进行改进,包括:利用ResNet‑53代替ResNet‑19的深度残差神经网络,将回归函数以及激活函数中的Softmax替换为Sigmoid;利用训练数据集对YOLO‑6D网络进行...
专利摘要:本发明公开了一种工业环境下基于改进的YOLO‑6D算法的目标检测方法,包括以下步骤:采集包含待检测目标的若干图像;构建YOLO‑6D网络的训练数据集;对YOLO‑6D网络进行改进,包括:利用ResNet‑53代替ResNet‑19的深度残差神经网络,将回归函数以及激活函数中的Softmax替换为Sigmoid;利用训练数据集对YOLO‑6D...
位姿估计精度不高,降低了机器人抓取的效率.针对由遮挡和非遮挡构成的复杂场景,杂乱放置物体进行位姿估计时,存在实时性,准确性和鲁棒性的问题,本文基于YOLO(You Only Look Once)-6D算法,分别融入组特征,坐标特征,提出了 YOLO-SA(Shuffle Attention,SA)和 YOLO-SCA(Shuffle Coordinate Attention,SCA)目标位姿估计算法....
改进YOLO V2的6D目标姿态估计算法包志强,邢瑜,吕少卿,黄琼丹西安邮电大学 通信与信息工程学院,西安 710121摘 要:针对目标的三维姿态估计,结合基于深度学习的目标检测模型,提出一种基于改进YOLO V2的6D目标姿态估计算法。通过卷积神经网络提取一幅RGB图像中目标的特征信息;在2D检测的基础上将目标的位置信息映射到三维空间;...
实现本专利技术目的的技术解决方案为:工业环境下基于改进的YOLO-6D算法的目标检测方法,所述方法包括以下步骤:采集包含待检测目标的若干图像;构建YOLO-6D网络的训练数据集;对YOLO-6D网络进行改进,包括:利用ResNet-53代替ResNet-19的深度残差神经网络;利用所述训练数据集对YOLO-6D网络进行训练,获得目标检测模型;利用所...
摘要 针对工业现场散乱堆叠、零件位姿难以准确检测的问题,提出一种基于改进YOLO6D的工业零件位姿检测算法。首先,对原始YOLO6D网络结构进行改进。以Darknet53作为主干网络,并在其残差块内部引入坐标注意力机制,强化神...展开更多 A pose detection algorithm for industrial parts based on improved YOLO6D is proposed ...