[发明专利]水下机器人的目标检测方法、系统及相关设备

摘要

本发明涉及机器人视觉、模式识别与机器学习领域，具体涉及一种水下机器人的目标检测方法、系统及相关设备。旨在提升目标检测技术对水下目标遮挡、变形、光照变化的鲁棒性。本发明的目标检测方法包括：获取原始的待检测图像；对原始的待检测图像进行像素值归一化，得到预处理后的待检图像；将预处理后的待检测图像输入目标检测网络进行检测，得到感兴趣区域的包围框和属于各目标类别的概率；根据感兴趣区域的包围框和属于各目标类别的概率，采用改进的非极大值抑制算法得到目标物体的包围框和所属类别。其中，目标检测网络中采用可变形卷积神经网络提取特征图，基于候选区域法进行目标检测。本发明的检测方法在保证速度的情况下提升了检测的精度。

主权项

1.一种水下机器人的目标检测方法，其特征在于，包括以下步骤：步骤A1，获取原始的待检测图像；步骤A2，对所述原始的待检测图像进行像素值归一化，得到预处理后的待检图像；步骤A3，将所述预处理后的待检测图像输入目标检测网络进行检测，得到感兴趣区域的包围框和属于各目标类别的概率；步骤A4，根据所述感兴趣区域的包围框和属于各目标类别的概率，采用改进的非极大值抑制算法得到目标物体的包围框和所属类别；其中，所述改进的非极大值抑制算法包括：步骤A41，根据所有所述感兴趣区域属于各目标类别的概率，选择其中最大概率值对应的包围框，作为评分最高的包围框M；步骤A42，根据下式的方法，对除包围框M以外的其他包围框进行重新评分：其中，si代表第i个包围框的评分值，初值为该包围框属于各目标类别的概率中最大概率值；bi代表第i个包围框，且不等于M；iou(M,bi)代表包围框M与bi的重叠度；N1代表第一重叠度阈值；步骤A43，遍历其他包围框，对所有与M的重叠度大于第二重叠度阈值N2的包围框进行删除操作；将包围框M作为一个目标物体的包围框，将该包围框的属于各目标类别的概率中最大概率值对应的目标类别作为该目标物体的类别；步骤A44，从余下的包围框中选择评分最高的包围框M，并转至步骤A42，直到处理完所有的包围框。