[發明專利]基于深度學習的合作目標靶球檢測方法及相關裝置

在審

• 申請號: 202111358032.5
• 申請日: 2021-11-16
• 公開（公告）號: CN114359382A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 郝燦;王穎;董登峰;高超;李洋;梅東濱;周維虎;劉彤
• 申請（專利權）人: 海寧集成電路與先進制造研究院
• 主分類號: G06T7/73
• 分類號: G06T7/73;G06N3/04;G06N3/08
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 王剛

本申請提供一種基于深度學習的合作目標靶球檢測方法及相關裝置，通過合作目標靶球檢測模型實現，合作目標靶球檢測模型為改進的YOLOv2網絡模型，其中，合作目標靶球檢測模型在輸入層之后增加設置了Focus模塊，在輸出層之前增加設置了注意力模塊；具體包括：獲取合作目標靶球圖像；將合作目標靶球圖像輸入合作目標靶球檢測模型，得到合作目標靶球圖像的注意力機制特征圖；根據注意力機制特征圖，得到合作目標靶球圖像中的合作目標靶球的位置。本申請通過對YOLOv2網絡模型進行改進，提高了YOLOv2網絡模型對多尺度目標的提取能力，從而提高了合作目標靶球的檢測精度。

技術領域

本申請涉及機器學習技術領域，尤其涉及一種基于深度學習的合作目標靶球檢測方法及相關裝置。

背景技術

在大型裝置精密裝配過程中(例如飛機、船舶等的精密裝配)，一般通過激光跟蹤儀在生產環境下對合作目標靶球進行識別捕獲，從而引導激光自動對準合作目標，以提升大型裝置精密裝配效率，提高斷光續接精度。

為了解決對合作目標的自動識別與自動測量問題，張滋黎等人提出了一種基于視覺引導的激光測量系統，實現了激光的自動對準；中國科學院大學提出了一種大目標高精度位置姿態測量的技術，利用單目相機獲取合作目標的中心位置，準確引導激光測距儀自動瞄準合作目標的中心位置，通過參數運算得到待測目標的空間位姿，從而實現高精度自動引導測量。

然而，現有的合作目標識別方案，檢測精度較低，不能滿足大型裝置精密裝配的需求。

發明內容

有鑒于此，本申請的目的在于提出一種基于深度學習的合作目標靶球檢測方法及相關裝置。

基于上述目的，本申請提供了一種基于深度學習的合作目標靶球檢測方法，通過合作目標靶球檢測模型實現，所述合作目標靶球檢測模型為改進的YOLOv2網絡模型，其中，合作目標靶球檢測模型在輸入層之后增加設置了Focus模塊，在輸出層之前增加設置了注意力模塊；所述方法，包括：

獲取合作目標靶球圖像；

將所述合作目標靶球圖像輸入所述合作目標靶球檢測模型；利用所述Focus模塊對所述合作目標靶球圖像進行切片并卷積，得到所述合作目標靶球圖像的采樣特征圖；利用特征提取網絡對所述采樣特征圖進行特征提取，得到所述合作目標靶球圖像的卷積特征圖；利用所述注意力模塊對所述卷積特征圖進行注意力處理，得到所述合作目標靶球圖像的注意力機制特征圖；

根據所述注意力機制特征圖，得到所述合作目標靶球圖像中的合作目標靶球的位置。

可選的，所述利用所述Focus模塊對所述合作目標靶球圖像進行切片并卷積，得到所述合作目標靶球圖像的采樣特征圖，具體包括：

對所述合作目標靶球圖像進行最鄰近下采樣，間隔選取像素的數值，得到四張切片圖像，對四張所述切片圖像進行卷積，得到所述采樣特征圖。

可選的，所述利用特征提取網絡對所述采樣特征圖進行特征提取，得到所述合作目標靶球圖像的卷積特征圖，具體包括：

將所述采樣特征圖的特征映射劃分為兩部分，一部分進行卷積并將卷積結果與該階段的末尾相連，另一部分通過跨階段層次結構與所述卷積結果進行合并，得到所述合作目標靶球圖像的卷積特征圖。

可選的，所述利用所述注意力模塊對所述卷積特征圖進行注意力處理，得到所述合作目標靶球圖像的注意力機制特征圖，具體包括：

分別計算所述卷積特征圖的每個通道的全局最大池化與全局平均池化，分別進行卷積并將結果相加，并利用激活函數，得到所述合作目標靶球圖像的注意力機制特征圖。

可選的，還包括：