本文選題：機(jī)器視覺 + 功用性檢測(cè)��； 參考：《光學(xué)學(xué)報(bào)》2017年02期

【摘要】：家庭日常工具的部件功用性主動(dòng)認(rèn)知是家庭服務(wù)機(jī)器人智能提升的重要方面。為滿足服務(wù)機(jī)器人實(shí)時(shí)自主作業(yè)的需要,提出了一種基于結(jié)構(gòu)隨機(jī)森林(SRF)的工具部件功用性快速檢測(cè)算法。在離線訓(xùn)練階段,利用SRF訓(xùn)練功用性邊緣檢測(cè)器與功用性檢測(cè)器,并通過評(píng)估功用性檢測(cè)結(jié)果的Fβ值確定工具各部件功用性對(duì)應(yīng)的先粗糙后逐步精細(xì)化(coarse-to-fine)閾值。在線檢測(cè)階段,首先使用功用性邊緣檢測(cè)器計(jì)算功用性區(qū)域邊緣的初步概率圖,繼而加以coarse-to-fine閾值濾波得到包含工具部件功用性的外接矩形區(qū)域,最后對(duì)該區(qū)域使用功用性檢測(cè)器進(jìn)行檢測(cè)。實(shí)驗(yàn)結(jié)果表明,在普通非圖形處理器系統(tǒng)下,相較于現(xiàn)有的全局搜索檢測(cè)方法,本文方法對(duì)各功用性部件的檢測(cè)效率均明顯提升,且召回率和精度都有提高。
[Abstract]:The functional active cognition of the components of family daily tools is an important aspect of the intelligent promotion of home service robots. In order to meet the need of real-time autonomous operation of service robots, a fast detection algorithm for the performance of tool components based on structured random forest (SRF) was proposed. In the off-line training stage, the functional edge detector and the functional detector are trained by the SRF-SRF, and the coarse-to-fine threshold is determined by evaluating the F 尾 value of the result of the functional detection. In the phase of on-line detection, the primary probability diagram of the edge of the functional region is calculated by using the functional edge detector, and then the external rectangular region containing the utility of the tool component is obtained by coarse-to-fine threshold filtering. Finally, a functional detector is used to detect the area. The experimental results show that compared with the existing global search detection methods, the efficiency of the proposed method for detecting functional components in general non-GPU systems is significantly improved, and the recall rate and accuracy are improved.
【作者單位】： 燕山大學(xué)信息科學(xué)與工程學(xué)院;河北省計(jì)算機(jī)虛擬技術(shù)與系統(tǒng)集成重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金(61305113) 河北省自然科學(xué)基金(F2016203358)
【分類號(hào)】：TP391.41;TP242

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 雷琴;施朝健;陳婷婷;;可見光海面目標(biāo)檢測(cè)的結(jié)構(gòu)隨機(jī)森林方法[J];光電工程;2015年07期

【共引文獻(xiàn)】

相關(guān)期刊論文 前3條

1 何偉;張國(guó)云;吳健輝;涂兵;;結(jié)合運(yùn)動(dòng)邊界和稀疏光流的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J];小型微型計(jì)算機(jī)系統(tǒng);2017年03期

2 吳培良;付衛(wèi)興;孔令富;;一種基于結(jié)構(gòu)隨機(jī)森林的家庭日常工具部件功用性快速檢測(cè)算法[J];光學(xué)學(xué)報(bào);2017年02期

3 何偉;齊琦;張國(guó)云;吳健輝;;多信息動(dòng)態(tài)融合的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用;2016年08期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 萬磊;曾文靜;張鐵棟;秦再白;;基于梯度信息融合的海面紅外目標(biāo)實(shí)時(shí)檢測(cè)[J];紅外與激光工程;2013年01期

2 周偉;關(guān)鍵;何友;;光學(xué)遙感圖像低可觀測(cè)區(qū)域艦船檢測(cè)[J];中國(guó)圖象圖形學(xué)報(bào);2012年09期

3 姜維;鄧維波;楊強(qiáng);;高頻超視距混合天地波雷達(dá)海雜波特點(diǎn)分析[J];電子與信息學(xué)報(bào);2011年08期

4 王保云;張榮;袁圓;尹東;;可見光遙感圖像中艦船目標(biāo)檢測(cè)的多階閾值分割方法[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2011年04期

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 陳永生;;關(guān)于檔案學(xué)的評(píng)價(jià)問題[J];上海檔案工作;1991年04期

2 莊術(shù)梅;;廣告中的“身體”傳播[J];新聞與寫作;2007年06期

3 ;[J];;年期

，

本文編號(hào)：2110568