原文传递
基于双目视觉的汽车油箱盖识别与检测技术研究
| 论文题名： | 基于双目视觉的汽车油箱盖识别与检测技术研究 |
| 关键词： | 汽车油箱盖识别;Faster-RCNN模型;椭圆检测;双目视觉 |
| 摘要： | 随着科学技术的发展和我国制造业的实力提升，对无人加油机器人的市场需求越来越高，因为它既可以减少用于人工的运营成本，同时又使得车主无需忍受难闻的汽油味道。尤其是在此次新冠肺炎疫情期间，无人加油机器人可以让车主甚至不需要下车，就可以完成给车辆加油的操作，全程高效安全。在未来，自动加油模式将会逐渐取代传统人工加油模式。 无人加油机器人主要包括控制和感知技术，本文主要研究点在于视觉感知技术，使用双目摄像头完成目标识别、距离感知、三维重建等工作，主要研究内容包括： （1）使用改进的Faster-RCNN深度学习神经网络完成对油箱盖外沿的识别。在改进的网络中使用ResNet101来更好地提取图像的特征；针对油箱盖外沿的形状特征，改进区域生成网络（RegionProposalNetwork，RPN）生成RoI的策略；使用Soft-NMS进行候选框的筛选，提高目标检测的精度；针对RoIPooling过程中存在的由于取整导致目标框位置不精确的问题，使用RoIAlign更为精准地确定油箱盖外沿的位置。实验结果表明，在阈值为0.5的情况下改进后的网络精确率（Precision）提高了4%，召回率（Recall）达到了96%、平均精度（AveragePrecision，AP）达到了98.53%，改进后的网络具有更好的性能。 （2）使用改进的基于椭圆检测的油箱盖检测算法进行油箱盖检测。不同于传统的霍夫变换只能检测形状比较完美的圆和直线，本文使用一种高效、快速的椭圆检测方法来完成油箱盖的检测；针对椭圆检测算法存在大量椭圆的问题，改进该算法，提出一种聚类算法来得到更为精确的椭圆圆心。 （3）使用双目摄像头完成距离的测量与三维重建，并对测距过程中存在的具体问题做出改进。使用SGBM算法及AD-Census立体匹配算法生成视差图，得到目标点离摄像头的物理距离及对应世界坐标系的坐标；完成视差图到空间点云的转换，并通过点云库（PointCloudLibrary，PCL）完成点云的可视化，可以对目标的三维物理形状有更好的感知；针对匹配误差造成测距误差较大的问题，对匹配误差点的测距方法做出改进，使用双线性插值的方法得到物理距离，提高测距精度。 实验表明，本文提出的基于双目视觉的无人加油机器人方案能够较好地完成油箱盖外沿的识别及油箱盖圆心的确定，同时能够以较高的精度测量距离、确定目标的空间位置，避免激光雷达和深度摄像头的使用，降低了项目设备成本。 |
| 作者： | 马智 |
| 专业： | 计算机技术 |
| 导师： | 刘衍珩 |
| 授予学位： | 硕士 |
| 授予学位单位： | 吉林大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
