第 nullnull 卷 第 null 期 農(nóng)業(yè)裝備與車輛工程 nullnullnullnull 年 null 月 nullnullnullnull nullnull nullnullnull null nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull null nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull 基金項目 國家自然科學基金面上項目 nullnullnullnullnullnullnullnull 廣東省自然科學基金面上項目 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnull 廣州市基礎(chǔ)與應(yīng)用基礎(chǔ) 研究專題青年博士 null啟航 null項目 nullnullnullnullnullnullnullnullnullnullnullnull 收稿日期 nullnullnullnullnullnullnullnullnullnull 作者簡介 歐駿 nullnullnullnull null 男 研究方向 機器視覺 null水果采摘機器人 nullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull 通信作者 程碧懿 nullnullnullnull null 男 副教授 博士 研究方向 人工智能 null農(nóng)業(yè)機器人 nullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull 基于視覺識別的水果采摘機器人關(guān)鍵技術(shù)研究進展與展望 歐駿 寧楓 程碧懿 王紅軍 華南農(nóng)業(yè)大學 工程學院 廣東 廣州 nullnullnullnullnullnull 摘要 為分析基于視覺識別的水果采摘機器人在復(fù)雜多變的農(nóng)業(yè)環(huán)境中識別能力和采摘精度 系統(tǒng)梳理視覺采摘 機器人的關(guān)鍵技術(shù)研究進展 聚焦視覺系統(tǒng)的識別算法 閾值法 null邊緣檢測 null深度學習 定位算法 傳感器融合 null三 維點云配準 null視覺 nullnullnullnull 及運動規(guī)劃算法 路徑優(yōu)化 null自適應(yīng)控制 結(jié)合草莓 null蘋果等典型水果采摘案例進行對比 分析 null研究表明 識別技術(shù)深度學習算法在復(fù)雜環(huán)境下可實現(xiàn) nullnullnull以上的識別準確率 多傳感器融合定位技術(shù)將 誤差控制在 nullnull nullnull 內(nèi) 而針對不同執(zhí)行器研發(fā)運動軌跡算法可以使采摘效率平均提升 nullnullnullnull未來研究需進一步提 高視覺系統(tǒng)的環(huán)境適應(yīng)性 開發(fā)輕量化視覺模型與通用型末端執(zhí)行器 推動水果采摘機器人向智能化 null高精度和低 成本方向發(fā)展 null 關(guān)鍵詞 水果采摘機器人 視覺系統(tǒng) 識別算法 定位算法 運動軌跡算法 中圖分類號 nullnullnullnull nullnullnullnullnull 文獻標識碼 null 文章編號 nullnullnullnull nullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnull 引用格式 歐駿 寧楓 程碧懿 王紅軍 null 基于視覺識別的水果采摘機器人關(guān)鍵技術(shù)研究進展與展望 null null 農(nóng)業(yè)裝備 與車輛工程 nullnullnullnull nullnull nullnull nullnull nullnullnullnull esearch progress and prospect of key technologies of fruit picking robot based on visual recognition nullnull nullnullnull nullnullnullnull nullnullnullnull nullnullnullnullnull nullnullnullnull nullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnull Abstract nullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnull nullnullnull nullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnull nullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnull nullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnull nullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnull nullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnull nullnull nullnullnull nullnullnullnullnullnull nullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnull nullnull nullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnull nullnullnull nullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnull nullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnull nullnullnull nullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnull null nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnullnull nullnull nullnullnullnull nullnullnull nullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnull nullnullnullnullnullnull nullnull nullnull nullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnull nullnullnullnull nullnull nullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnull nullnull nullnull nullnullnullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnull nullnullnull nullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnull nullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnull nullnullnullnullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnull nullnullnull nullnullnullnullnull Key words nullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull null 引言 國內(nèi)外常見的水果采摘機器人的基本構(gòu)成通常 分為 null 個部分 機械手臂和末端執(zhí)行器 null移動平臺和 視覺系統(tǒng) null視覺系統(tǒng)作為 null 大部分中最關(guān)鍵的部分 其性能直接決定了機器人的作業(yè)能力 null當前主流視 覺系統(tǒng)可分為基于傳統(tǒng)圖像處理 如顏色閾值分割 null 邊緣檢測 和基于深度學習 如 nullnullnullnullnullnullnullnullnull null null nullnullnull null 種模式 null主要存在 null 方面不足 null 自然光照 變化導(dǎo)致的目標特征不穩(wěn)定 null 枝葉遮擋造成的識 別完整性不足 null 果實重疊引發(fā)的定位精度下降 null 采摘機器人的視覺系統(tǒng)大部分都由 null 個部件構(gòu) 成 相機 null圖像處理裝置和測距裝置 nullnullnull null相機用于 捕捉果園圖像信息 可分為單目 null雙目或多目攝像 頭 null null圖像處理裝置負責對攝像頭捕獲的圖像進行 分析和處理 包括背景分割 null目標識別和定位等步驟 null 測距裝置包括激光測距儀 null null超聲波測距傳感器 null null 單目視覺測距系統(tǒng) null 以及雙目視覺測距系統(tǒng) null null 目前 基于視覺識別的水果采摘機器人在通用 性 null null定位技術(shù) null null采摘效率 nullnull 等方面都存在缺陷 null 本文對視覺識別系統(tǒng)依托的主要算法進行分類梳理 對水果采摘機器人研究現(xiàn)狀進行簡單歸納 指出其存 在的問題和不足 并給出了未來的研究方向 null null 視覺識別系統(tǒng)的主要算法 nullnullnull 識別算法 識別算法是影響水果采摘機器人視覺識別系統(tǒng) 性能的關(guān)鍵因素 null根據(jù)算法的復(fù)雜度 可以將目前主 流識別算法分為簡單算法 null中等復(fù)雜度算法和高復(fù)雜 度算法 null nullnullnullnullnull 簡單算法 簡單識別算法是水果識別技術(shù)的基礎(chǔ) null其中閾 值法和邊緣檢測算法是圖像處理的基礎(chǔ)邏輯算法 null 閾值法適用于光照穩(wěn)定 null目標與背景顏色對比鮮明的 場景 具有較好的實時性 邊緣檢測算法適用于復(fù)雜 自然環(huán)境下形狀不規(guī)則 null顏色與背景相近的水果識 別 需配合濾波和形態(tài)學處理以提升魯棒性 null 閾值法通過設(shè)定特定的閾值來將圖像的像素值 劃分為不同的類別或區(qū)域 null閾值分割算法主要可分 為固定閾值法與動態(tài)閾值法 或自動閾值法 固定 閾值法重點在于閾值的選擇 通過對水果特征圖像的 全局處理獲得數(shù)據(jù)并和閾值對比 但固定閾值法二值 化效果極為粗糙僵硬 適用性不強 nullnullnull 等 nullnull 以 null nullnull 和 nullnull nullnullnullnull 色彩因子作為色彩特征 將色差作為固 定閾值成功分離蘋果和干擾項 初廣麗等 nullnull 通過對 水果圖像設(shè)置歸一化色差閾值 實現(xiàn)對球類水果的快 速識別 null這 null 種固定閾值法都對干擾項如樹葉 null光線 十分敏感 需要人工對相機視場進行預(yù)處理 nullnullnullnullnull 自動閾值法 nullnull 是 nullnullnullnull 年出現(xiàn)的著名的動態(tài)閾值分 割算法 在圖像分割領(lǐng)域應(yīng)用廣泛 null王梓函等 nullnull 開 發(fā)的柔性機械手運用了 nullnullnullnull 自動閾值法加形態(tài)學運 算優(yōu)化 這使得機械手能夠?qū)λ麊我惶卣鬟M行識別 抓取 徐曉婧等 nullnull 的葡萄采摘機器人識別算法將 nullnullnullnull 法和孔洞填充 null形態(tài)學運算相結(jié)合 實現(xiàn)了對多 果實水果光照影響的優(yōu)化 null 邊緣檢測法通過增強圖像中的邊緣信息來區(qū)分 不同的對象和背景 常用的方法包括 nullnullnullnullnullnullnullnullnullnullnull 和 nullnullnullnullnullnullnullnullnull 等算子 null邊緣檢測具有對目標邊緣定位 快 null準確特點 但存在遮擋下目標邊緣短線段識別冗 雜問題 null李靖等 nullnull 對傳統(tǒng) nullnullnullnullnull 算法進行改進 建 立邊緣多尺度細節(jié)和 nullnullnullnull 優(yōu)化模型 能夠提升邊緣 特征提取精度并增強算法對光照的適應(yīng)性 nullnullnullnull 等 nullnull 利用 nullnullnullnull nullnullnullnullnullnullnull 數(shù)學模型同邊緣檢測算法 相結(jié)合的方式 使得遮擋情況下對蘋果識別實時檢測 變得迅速準確 null nullnullnullnullnull 中等復(fù)雜度算法 中等復(fù)雜度算法將大數(shù)據(jù)作為分類基礎(chǔ) 對水果 特征進行捕捉來幫助進行圖像識別 null原始圖像數(shù)據(jù) 可分為顏色特征 null區(qū)域特征 null數(shù)據(jù)特征 null 種 null具體信 息如表 null 所示 null 表 null 原始圖像數(shù)據(jù)信息對比 nullnullnullnullnull nullnullnullnullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnull nullnullnullnullnullnullnullnullnullnullnull 特征 優(yōu)勢 局限性 顏色 直觀易獲取 null與成熟 度相關(guān) null可區(qū)分性高 受光照影響大 null對部分水果 效果有限 null對相似顏色背景 敏感 區(qū)域 抗干擾能力強 null可區(qū) 分性高 null可結(jié)合其他 特征 易受遮擋影響 null計算復(fù)雜度 高 數(shù)據(jù) 包含豐富信息 null可挖 掘性強 null可適應(yīng)性強 提取難度大 null計算復(fù)雜度高 null 對數(shù)據(jù)質(zhì)量要求高 null 基于顏色特征的聚類算法 這類算法主要用 于將圖像中的像素點根據(jù)顏色特征聚集成不同的類 別或簇 null常見的基于顏色特征的聚類算法包括 K null nullnullnullnullnull 聚類算法和 nullnullnullnull 算法 nullnullnullnullnull 等 nullnull 開發(fā)了一 種自適應(yīng) K 均值算法 使用深度圖作為像素聚類的 輸入 顯著提高了成熟果實實例分割的統(tǒng)計結(jié)果 nullnullnullnull 等 nullnull 使用 nullnullnullnull 算法將圖像分割為約 nullnullnull 個超 像素 提取顏色特征和紋理特征 通過閾值計算篩選 出屬于柑橘的超像素 null null 基于區(qū)域特征的圖像分割算法 這類算法將 圖像劃分為多個具有相似特征的區(qū)域 如顏色 null紋理 null 亮度等 null朱磊 nullnull 將臍橙 nullnullnull 超像素圖像構(gòu)建最小 生成樹 結(jié)合殘差網(wǎng)絡(luò) nullnullnullnullnullnull 和密集卷積網(wǎng)絡(luò) nullnullnullnullnullnullnullnull 作為特征提取的骨干網(wǎng)絡(luò)生成掩碼以獲 取果實掩膜圖 田玉宇 nullnull 利用圖論原理中的 nullnullnull 最 小生成樹和深度圖像定位圖對 nullnullnull 圖像像素進行分 割 并對分割區(qū)域進行評估是否能合并 nullnullnullnullnull 等 nullnull 使用 nullnullnullnullnullnullnullnullnull 算法通過深度增強特征融合模塊將 彩色圖像和深度圖像的特征進行融合 然后利用基于 距離約束和條件搜索的方法在語義點云中對番茄果 實 null花梗和莖進行區(qū)域分割和匹配 null null 基于數(shù)據(jù)特征的監(jiān)督學習算法 這類算法通 常依賴于標記的訓練數(shù)據(jù)來學習如何將圖像內(nèi)容分 nullnull第 nullnull 卷第 null 期 歐駿 等 基于視覺識別的水果采摘機器人關(guān)鍵技術(shù)研究進展與展望 類到預(yù)定義的類別中 null支持向量機 nullnullnull 是一種常 見的機器學習分類器 通過將圖像分割問題轉(zhuǎn)化為分 類問題 null郝騫 nullnull 利用 nullnullnull 特征 圖像不同區(qū)域邊緣 方向和梯度信息 和 nullnullnull 分類器對蘋果形狀特征圖 像進行分割 對每一單元格區(qū)域的 nullnullnull 算子進行分 類 達到果實識別的準確率為 nullnullnullnullnullnull nullnull 等 nullnull 將水 果 nullnullnull 圖像轉(zhuǎn)換 nullnullnull 顏色空間并構(gòu)建 nullnullnull 區(qū)域定 位目標 再根據(jù) nullnullnull 特征用 nullnullnull nullnullnullnull 分類器對水 果顏色圖像進行分割隨機森林 nullnull 經(jīng)過訓練可以對 樣本進行分類 nullnull 具有良好的魯棒性并能克服過擬 合問題 李超 nullnull 通過對 nullnullnull 顏色特征圖像來訓練 nullnull 模型 對西紅柿成熟度 null 個等級的識別精度能達到 nullnullnullnullnullnullnull nullnullnullnullnull 高復(fù)雜度算法 高復(fù)雜度算法是利用深度學習模型強大的特征 提取和模式識別能力 通過從大量標注的水果圖像中 學習特征 實現(xiàn)對不同種類水果的準確識別和分類的 算法 null即使在復(fù)雜背景下也能保持較高的識別率和 魯棒性 null卷積神經(jīng)網(wǎng)絡(luò) nullnullnull 和深度學習算法 nullnullnullnull 系列 是水果識別算法中使用最廣泛的模型 null 卷積神經(jīng)網(wǎng)絡(luò)是一種多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 其主要 由卷積層 null池化層 null全連接層等不同的基本層組成 null 常見的模型有 nullnullnullnullnullnull null nullnullnullnullnullnullnullnullnull nullnullnullnullnull 和 nullnullnull null nullnullnullnullnullnullnullnullnullnull nullnullnullnullnull 是一種經(jīng)典的兩階段模型 它 在 null nullnullnullnull 和 nullnullnullnull null nullnullnullnull 的基礎(chǔ)上進行了改進 引 入?yún)^(qū)域建議網(wǎng)絡(luò) nullnullnull 來實現(xiàn)對目標邊界的精確劃 分 nullnullnullnullnullnullnullnullnull 等 nullnull 使用 nullnullnullnullnull 作為特征提取網(wǎng)絡(luò)的 骨干網(wǎng)絡(luò) 使用尺寸調(diào)整和增強后的 nullnullnull 圖像結(jié)合 注意力模塊特征圖和 nullnullnull 提議進行訓練 得到椰子 簇的邊界框坐標 nullnullnullnullnull null nullnullnullnull 在 nullnullnullnullnullnull null nullnullnullnull 的 基礎(chǔ)提升了分割精度并能提供目標的精確形狀和輪 廓信息 nullnullnullnullnull 等 nullnull 以 nullnullnullnullnullnull 和 nullnullnull 作為骨干網(wǎng) 絡(luò) 并加入 nullnullnull 模塊來獲得更精細的特征圖 再引入 nullnullnullnullnull 加強對水果的掩碼分割能力 null對于水果莖干 識別問題 nullnullnullnullnullnullnullnullnullnull 等 nullnull 用已有 null 種不同的特征 學習子網(wǎng)絡(luò)與 null 種元架構(gòu)組合衍生出的 nullnull 種 nullnullnull 模型架構(gòu)作為基礎(chǔ) 用 nullnullnullnullnullnullnull 激活函數(shù)代替?zhèn)鹘y(tǒng)分 類層 計算出像素點與莖干之間的距離作為回歸目 標 再結(jié)合 nullnullnull 圖像對 nullnullnull nullnullnull 模型進行訓練 在 處理不平衡數(shù)據(jù)和處理像素級回歸問題時表現(xiàn)出色 null nullnullnullnull 算法作為一階段模型不使用 nullnullnull 模型中 的區(qū)域建議網(wǎng)絡(luò) nullnullnull 而是將識別當作回歸問題 一次性預(yù)測多個邊界框和類別概率 具有處理速度 快 null實時性高的特點 nullnullnullnullnull 等 nullnull 提 出 了 基 于 nullnullnullnullnullnullnull 的改進模型 nullnullnullnullnullnullnullnull 通過結(jié)合 nullnull 模型 和 nullnullnullnull 注意力機制來增強模型的特征提取能力 郭武元 nullnull 運用 nullnullnullnullnullnullnullnull 網(wǎng)絡(luò)結(jié)構(gòu)替換 nullnullnullnullnullnull 主干 網(wǎng)絡(luò) 加 入 nullnullnullnull nullnullnullnullnullnull 以 及 nullnullnullnullnull 網(wǎng) 絡(luò) 結(jié) 構(gòu) 對 nullnullnullnullnullnull 特征融合模塊結(jié)構(gòu)進行優(yōu)化 實現(xiàn)模型大小 減少 nullnullnullnullnullnullnull對于復(fù)雜多簇水果 nullnullnullnull 等 nullnull 通過 nullnullnullnullnull 替換了 nullnullnullnullnullnull 中的 nullnull 主干網(wǎng)絡(luò)并插入 nullnull 模塊來調(diào)整通道權(quán)重來降低實例噪聲干擾 增強了對 重疊和遮擋條件下葡萄的分割能力 null高復(fù)雜度算法 的信息總結(jié)如表 null 所示 null nullnullnull 定位算法 水果采摘機器人的定位算法是其視覺系統(tǒng)的關(guān) 鍵組成部分 它負責在識別目標水果后 對其進行精 確的空間定位 null這一過程首先需要獲取蘋果的二維 圖像信息以及深度信息 這通常通過單目視覺 null立體 視覺或結(jié)構(gòu)光等深度信息獲取方法來實現(xiàn) null 表 null 高復(fù)雜度算法總結(jié) nullnullnullnullnull nullnullnullnullnullnullnull nullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnullnull 算法名稱 檢測精度 nullnull nullnullnullnullnull Fnull 值 nullnull 檢測時間 nullnullnull 優(yōu)勢 局限性 nullnullnullnullnullnullnullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnull 兩階段檢測 null準確率高 數(shù)據(jù)需求大 null計算速度慢 nullnullnullnullnullnullnullnullnull nullnullnullnull nullnullnullnull 實例分割效果好 數(shù)據(jù)需求大 null計算速度慢 nullnullnullnullnullnullnull null nullnullnullnullnullnullnullnullnullnull null nullnullnull 結(jié)構(gòu)簡單 計算量較小 小目標檢測效果差 nullnullnullnullnullnullnullnull nullnullnullnullnull null nullnullnullnullnull nullnullnull 實時性高 null泛化能力強 對光照敏感 null計算復(fù)雜度 高 nullnullnullnullnullnull nullnullnullnullnull nullnullnullnullnullnullnullnullnull nullnullnullnullnull nullnullnullnull 一階段檢測 運行速度快 小目標檢測效果差 nullnullnullnullnullnull nullnullnullnullnull null nullnullnullnullnull nullnull 自適應(yīng)參數(shù)調(diào)整策略 模 型性能高 計算量 null數(shù)據(jù)需求大 nullnull 農(nóng)業(yè)裝備與車輛工程 nullnullnullnull 年 nullnullnullnullnull 傳感器融合定位算法 傳感器融合定位算法是一種集成多種傳感器數(shù) 據(jù)以提高定位精度和魯棒性的技術(shù) null常見的傳感器 定位方法有深度相機和激光定位 null null 深度相機是一種能夠檢測拍攝空間景深距離 的設(shè)備 能夠?qū)⑸疃葌鞲屑夹g(shù)和圖像特征捕捉功能相結(jié) 合 從而得到目標物體的空間位置信息 null李昌璐 nullnull 運 用深度相機求出像素坐標系 null圖像坐標系 null相機坐標 系和世界坐標系之間轉(zhuǎn)換關(guān)系 實現(xiàn)對蘋果的定位 宋趙銘 nullnull 使