[发明专利]基于YOLOv3和OpenCV的目标检测与定位方法

权利要求书

1.一种基于YOLOv3和OpenCV的目标检测与定位方法，其特征在于，包括如下步骤：

S1：利用试验平台采集待检测目标的图像；所述试验平台由四旋翼飞行器搭载开发板、飞行控制系统和单目摄像头得到；

S2：将采集的待检测目标的图像输入缩小网络结构输出尺度后的YOLOv3算法，利用训练好的YOLOv3目标检测模型进行目标检测，获得待检测目标的图像坐标；

S3：将获得的待检测目标的图像坐标输入基于OpenCV的SolvePnP算法，解算出待检测目标的世界坐标，实现空间定位。

2.如权利要求1所述的目标检测与定位方法，其特征在于，所述YOLOv3目标检测模型的训练过程，包括如下步骤：

SS1：利用所述试验平台采集待检测目标的图像作为训练数据集；

SS2：将所述训练数据集输入YOLOv3算法进行训练；

SS3：对训练输出结果进行归一化处理后，输入YOLOv3算法再次进行训练；

SS4：步骤SS3重复多次后，获得训练好的YOLOv3目标检测模型。

3.如权利要求2所述的目标检测与定位方法，其特征在于，步骤SS3中的归一化处理，具体包括：

输入：

X＝x₁,...,x_m (1)

归一化过程：

输出：

其中，X表示上一次训练输出结果，x₁表示第一次训练输出结果，x_m表示第m次训练输出结果，x_i表示第i次训练输出结果，表示上一次训练输出结果的估计；γ,β表示学习参数；i为整数，表示训练批次；m为大于1的整数，表示训练总批次大小；ε表示接近于0的极小值；μ_β表示每个训练批次中X的均值；表示每个训练批次中X的方差；y_i表示对x_i归一化后的结果。

4.如权利要求2所述的目标检测与定位方法，其特征在于，训练格式选取为VOC2007数据集。

5.如权利要求1所述的目标检测与定位方法，其特征在于，缩小YOLOv3算法网络结构的输出尺度，具体包括：

原始YOLOv3算法通过下采样方式得到13×13×75、26×26×75和52×52×75三种尺度下的检测结果；其中，13、26和52代表下采样的三种尺度；75拆分为3×(4+1+20)，3代表每个尺度有3个检测box，4代表每个检测box的偏移信息，1代表每类检测识别率，20代表检测出20类目标；对YOLOv3算法网络结构进行修改，使修改后的YOLOv3算法网络结构只进行单类检测，得到13×13×18、26×26×18和52×52×18三种尺度的输出。

6.如权利要求1所述的目标检测与定位方法，其特征在于，步骤S3，将获得的待检测目标的图像坐标输入基于OpenCV的SolvePnP算法，解算出待检测目标的世界坐标，实现空间定位，具体包括如下步骤：

S31：对所述单目摄像头进行标定，获得所述单目摄像头的内参矩阵，利用所述内参矩阵求解所述单目摄像头的旋转矩阵R和平移矩阵T；

S32：将获得的待测目标的图像坐标输入基于OpenCV的SolvePnP算法，利用所述旋转矩阵R和所述平移矩阵T解算出待检测目标的世界坐标，实现空间定位。