[发明专利]工业环境下基于改进的YOLO-6D算法的目标检测方法

权利要求书

1.工业环境下基于改进的YOLO-6D算法的目标检测方法，其特征在于，所述方法包括以下步骤：

采集包含待检测目标的若干图像；

构建YOLO-6D网络的训练数据集；

对YOLO-6D网络进行改进，包括：利用ResNet-53代替ResNet-19的深度残差神经网络；将回归函数以及激活函数中的Softmax替换为Sigmoid；

利用所述训练数据集对YOLO-6D网络进行训练，获得目标检测模型；

进行坐标偏移，保证目标处于图像划分后的一个小格子cell中，所述坐标偏移公式为：

g_x＝f(x)+c_x

g_y＝f(y)+c_y

式中，g_x、g_y分别表示x，y方向的偏移量，c_x,c_y表示划分的小格子cell的坐标；针对目标物体的中心点，函数f(·)表示Sigmoid函数，针对目标物体的八个角点，函数f(·)则表示恒等函数；

利用所述目标检测模型对工业环境中的待检测目标进行检测，获取目标的空间信息和分类信息；其中，获取目标的分类信息，具体包括：

获取目标分别在ResNet-53三个尺度输出图像中所属分类的概率；

利用所述回归函数对所述概率进行多标签分类，获得目标的分类信息。

2.根据权利要求1所述的工业环境下基于改进的YOLO-6D算法的目标检测方法，其特征在于，所述训练数据集包括：所述包含待检测目标的若干图像和自定义添加的若干噪声图像，以及每一幅图像对应的标注信息，所述标注信息包括：图像中是否包含待检测目标、待检测目标的空间信息和分类信息。

3.根据权利要求1所述的工业环境下基于改进的YOLO-6D算法的目标检测方法，其特征在于，所述ResNet-53包括三个输出：32倍降采样后的特征图作为第一输出，对32倍降采样后的特征图进行步长为2的上采样，获得的16倍降采样后的特征图作为第二输出，对16倍降采样后的特征进行步长为2的上采样，获得的8倍降采样后的特征作为第三输出。

4.根据权利要求1所述的工业环境下基于改进的YOLO-6D算法的目标检测方法，其特征在于，所述对YOLO-6D网络进行训练的过程中，所采用的置信度函数为：

式中，D_T(x)为预测的平面图片2D点的坐标值与3D空间中的实际值之间的欧式距离，d_th为预设的阈值，α为超参，取值范围为0.1～10。