為提高割草機(jī)器人作業(yè)過程中視覺感知模塊的識別準(zhǔn)確率,提出了使用圖像分割算法進(jìn)行草坪場景的理解識別。圖像分割算法的計算量非常大,運(yùn)行時依賴高性能的GPU,而割草機(jī)器人的硬件條件較差,因此設(shè)計了一種兼顧分割準(zhǔn)確率和運(yùn)行速度的輕量化深度卷積神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)采用編碼-解碼的結(jié)構(gòu),在編碼網(wǎng)絡(luò)部分,采用輕量化的特征提取模型,將深度可分離卷積的思想融入特征提取模型中,代替?zhèn)鹘y(tǒng)的卷積方式;在解碼網(wǎng)絡(luò)部分,基于RefineNet模塊減少參數(shù)量,融合編碼器的高分辨率特征和低分辨率特征。使用PASAL VOC2012分割數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練,構(gòu)建草坪場景數(shù)據(jù)集進(jìn)行微調(diào)和測試評估。結(jié)果表明:提出的算法結(jié)構(gòu)在保持較高準(zhǔn)確率的前提下,網(wǎng)絡(luò)的參數(shù)量有大幅度的減少,運(yùn)行速率有大幅度提高,在機(jī)器人草坪場理解任務(wù)上有更好的綜合性能。 

【文章來源】：計算機(jī)技術(shù)與發(fā)展. 2020,30(10)

【文章頁數(shù)】：5 頁

【部分圖文】：

RefineNet網(wǎng)絡(luò)框架

RefineNet網(wǎng)絡(luò)框架

MobileNetV3網(wǎng)絡(luò)塊結(jié)構(gòu)

【參考文獻(xiàn)】：
博士論文
[1]室外移動機(jī)器人的道路場景識別及路徑規(guī)劃研究[D]. 吳宗勝.西安理工大學(xué) 2017



本文編號：3380147