网络知识 娱乐 基于深度学习的机器人目标识别和跟踪(1)

基于深度学习的机器人目标识别和跟踪(1)

基于深度学习的机器人目标识别和跟踪(1)

如今,深度学习算法的发展越来越迅速,并且在图像处理以及目标对象识别方面已经得到了较为显著的突破,无论是对检测对象的类型判断,亦或者对检测对象所处方位的检测,深度学习算法都取得了远超过传统机器学习算法的准确率。当前,可以机器人技术分为以下两种学科的跨学科分支,即工程和科学。其包含计算机科学、机械工程、电子信息工程等。机器人的设计与制造和用于机器人的运动规划控制、传感器反馈和信息处理的技术系统在机器人邻域都有涉及。机器人视觉也是当下研究生的一个大热门,其包含机器人对目标环境对象的视觉信息处理以及图像方面的处理。从工程角度来说,他可以代替人的视觉系统,使得机器人可以代替人们取完成一些高危任务。

伴随着当前智能化社会的进步,其次,目前计算机视觉和机器人等人工智能化的前言技术发展得到了学术界和人们广泛的关注,并对我国工业领域以及社会生活产生了巨大的贡献。目前移动智能体的自主能力成为了当前一个主要热门的研究方向。移动智能体需要能实现完全自主的运动,还需要拥有对周边环境信息的感知能力、动态环境剖析能力以及对危险环境的判断和执行能力。相对人类的视觉来说,目前移动智能体的视觉判断速度相对较慢,精确度也不高,智能体可能无法在短时间内做出较为精准的判断。在平时生活中,人们可以从自己的所见的景象、视频中,获取目标物体的大致信息,如物体的位置和它们的外型、大小等。这样能使得人类通过自己的视觉显示,反馈给自己的大脑,并快速识别锁定所需要关注的目标,不需要过多的下意识的思考。例如,在驾驶汽车行驶时,我们必须做到及时的对前方以及两侧路段进行判断。因此当下针对智能体来,拥有一定的自主能力,且具有速度快、精确度较高的多目标识别算法是十分重要的,一个好的算法能提高智能体的自主能动性,精确感知周边环境,并结合传感器做出及时、准确的判断,所以,当前针对自主移动智能体的开发,其实时性和准确性也就成为了尤为重要的指标。

智能体对目标识别和跟踪在工业生产、侦察安全防控以及人们生活中都拥有者广泛的应用前景,其也是机器人领域的重要研究方向之一。当前,深度学习技术的飞速发展以及工业相机、激光雷达等传感技术不断提高,给目标识别奠定了良好的基础。本文基于深度学习方法研究了机器人的目标识别和跟踪进行了研究。

深度学习目标识别算法国内外研究现状

1深度学习目标识别算法国内外研究现状

国内对目标识别技术的相关研究相对于西方一些国家起步较晚。上世纪八十年代,相关科研工作者提出将反向传播算法用于神经网络中,并首次提出了卷积神经网络的概念。

随着时代的进步发展, Krizhevsky 等人提出了基于深度学习的卷积神经网络目标识别算法,该算法在著名 ImageNet 数据集上的检测效果比第二名手工特征提取算法高了十几个百分比,在当时取得了最好的检测效果。深度学习也因为 ILSVC 赛事的推动下快速发展,通过赛事对目标识别加以一定的要求,使得大量学者开始使用当下较为热门的深度学习相关技术去对目标识别算法进行研究。

如今,全球有好多高校已经专门设立了人工智能与计算机视觉研究实验室。并成功开发出了许多运用目标识别算法的实用应用软件。此外,一些著名公司如微软、微软公司等,也开始投入大量资金和精力,进行智能识别的相关研究,使得目标识别算法逐步开始在工业生产中应用起来。

国内在目标识别技术和深度学习研究比国外起步较晚,但近些年发展的势头却很迅猛。近年来,在一大批优秀科研技术人员的努力下,取得了很多丰硕的成果。涌现出了一大批相关产业的科技公司,如大疆、科大讯飞等。

2 机器人视觉国内外研究现状

机器视觉技术的产生最早是在欧美及日本等国家,最早的一批较为有名的机器视觉相关产业公司也在这些国家,如光源供应商日本 Moritex、镜头厂家美国 Navitar、德国 Schneider等。不难发现,对于上个世纪欧美等较发达国家在该技术上有一个较为超前的地位。

一直到上世纪九十年代初,我国也开始涌现出不少与视觉技术相关的公司,其覆盖了很多工业及生活领域,如车牌自动识别、材料表面缺陷检测等。但是由于生产的产品本存在一定的问题且市场需求较小。一直到九八年开始,我国的机器视觉技术才得到了重视。进入新世纪以后,国内很多企业开始有针对性的针对当下需求来确定所需要的机器视觉技术方案,并自主研发相关科研技术。近年来,由于政府的大力支持引导,我国的机器视觉行业得到了空前的发展。