面向位姿估计的遮挡场景目标检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115100405A(43)申请公布日2022.09.23(21)申请号202210566658.3G06N3/08(2006.01)(22)申请日2022.05.24(71)申请人东北大学地址110819辽宁省沈阳市和平区文化路3号巷11号(72)发明人郭楠李婧源高天寒(74)专利代理机构沈阳东大知识产权代理有限公司21109专利代理师李在川(51)Int.Cl.G06V10/26(2022.01)G06V10/774(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)G06N3/04(2006.01)权利要求书2页说明书7页附图2页(54)发明名称面向位姿估计的遮挡场景目标检测方法(57)摘要本发明提供一种面向位姿估计的遮挡场景目标检测方法，该方法基于单阶段目标检测模型YOLOv5进行设计检测模型；采用特征融合的网络结构，对卷积层的浅层特征和深层特征进行了提取和融合，增加了相应的头部检测层，提高了模型的准确率和鲁棒性；在原始YOLOv5模型的基础上还对目标检测的优化算法进行了更改，使用了SoftNMS优化算法能够更好地避免YOLOv5模型在遮挡情况下存在的漏检问题，为了满足在资源有限设备上的部署，本发明还通过修改普通卷积层为深度可分离卷积，减小了模型的大小，不仅提高了检测模型的效率，检测结果更加准确有效。CN115100405ACN115100405A权利要求书1/2页1.一种面向位姿估计的遮挡场景目标检测方法，其特征在于，包括：步骤1：根据真实数据集和合成数据集制作数据集；步骤2：基于支持移动端的最小化模型YOLOv5n设计神经网络模型，作为目标检测模型；步骤3：对待检测图像进行预处理后作为目标检测模型的输入，通过目标检测模型预测目标物体。2.根据权利要求1所述的一种面向位姿估计的遮挡场景目标检测方法，其特征在于，所述步骤1包括：步骤1.1：基于Unity制作合成数据集；步骤1.2：利用数据集LineMOD数据集制作真实数据集；步骤1.3：划分训练集和测试集数据，其中训练集包括合成数据与真实数据，测试集为真实数据。3.根据权利要求2所述的一种面向位姿估计的遮挡场景目标检测方法，其特征在于，所述步骤1.1包括：步骤1.1.1：将LineMOD数据集中提供的.ply文件转换为.obj文件，获取目标物体的3D模型并导入到Unity3D中；步骤1.1.2：调用UnityPerception为背景设置位置随机化和旋转随机化来制作背景；步骤1.1.3：调用UnityPerception为步骤1.1.1中导入的模型制作标签。4.根据权利要求1所述的一种面向位姿估计的遮挡场景目标检测方法，其特征在于，所述步骤2包括：步骤2.1：对数据集中的图像进行预处理；步骤2.2：基于支持移动端的最小化模型YOLOv5n设计神经网络模型；步骤2.3：将步骤2.1处理后的图像作为神经网络模型的输入进行网络训练。5.根据权利要求4所述的一种面向位姿估计的遮挡场景目标检测方法，其特征在于，所述步骤2.1具体表述为：为了保证原始图像的目标物体不会产生形变，将图像进行等比例缩放后，再进行图像边缘的填充，使其缩放为640×640尺寸；随机选取4张缩放后的图像，并对4张图像进行剪裁；拼接剪裁后的4张图像为1张图像。6.根据权利要求4所述的一种面向位姿估计的遮挡场景目标检测方法，其特征在于，所述步骤2.2包括：步骤2.2.1：设计Pose‑YOLOv5特征提取网络，具体表述为：主干网络包括CBS、C3和SPP模块，其中SPP模块用于将局部特征和全局特征进行融合，CBS模块包含卷积层、批归一化层和SiLU激活层用来实现网络的下采样功能，C3模块包含C3_1、C3_2和C3_3三种模块，分别对应具备1个、2个和3个的残差模块，能够构建更深的网络，提升网络的特征提取能力；颈部网络包括上采样模块、连接模块、C3模块和CBS模块，其中，上采样模块用于恢复下采样后的图像特征，连接模块用于融合浅层特征和深层特征，C3模块和CBS模块用于实现卷积融合来获取最终的图像特征；头部网络作为Pose‑YOLOv5网络的输出端，所述头部网络包括CBS模块、卷积层，用于预测物体的位置信息和类别信息；深度可分离卷积层：逐通道卷积中一个卷积核对一个通道进行卷积，保证输入输出的2CN115100405A权利要求书2/2页通道数一致；逐点卷积对深度方向的特征进行加权组合，获取特征图；步骤2.2.2：利用SoftNMS算法来进行目标检测优化，实现对物体出现的多个冗余包围框的去除。7.根据权利要求4所述的一种面向位姿估计的遮挡场景目标检测方法，其特征在于，所述步骤2.3包括：1)初始化网络参数；2)损失函