基于YOLOv2视觉的路标检测系统与应用

针对于封闭园区内物资和外卖递送,及疫情时期社区内消毒喷洒等情况下出现的人手不足和效率低的问题,提出了一种基于YOLOv2视觉的路标检测系统来帮助无人小车和机器人实现在封闭园区内的自主巡航功能。该系统基于YOLOv2算法实现,拟通过机器视觉识别路标来解决自主巡航的问题。YOLOv2算法通过FPS和MAP来表示路标检测的效率和准确性,其整个YOLOv2网络结构由19个卷积层、5个池化层和批量标准化层构成特征提取网络。通过该网络结构将路标物体中心点与分割出的网络单元格进行匹配,利用所得的IOU分数作为回归Label值,再通过载入模型网络平台不断训练得到的路标识别模型,完成机器视觉帮助无人物流车和机器人自主巡航运送物资的应用。

基于ROS的校园服务机器人

室内机器人由于技术限制并不能很好地完成复杂的任务,如放在相对复杂的环境中往往需要路线规划、避障和导航等功能,选择单一的里程计定位会因为计算产生误差积累,长时间使用定位效果不理想。单一的激光雷达会因为实际运动过程中产生的机器抖动无法确定自身位置,导致地图构建效果不理想。针对这一现状,提出基于ROS操作系统整合2D激光雷达+MPU6050作为里程计定位的自动导航技术,通过激光雷达标定里程计数据,减少里程计误差,实现在全局地图中选择目标点后进行路径规划并据此运动。在相对封闭环境中帮助机器人精确感知周围环境变化同时确定自身位置,为服务类软件提供可靠且便利的硬件平台,得以实现点对点精确服务。从机器人硬件方案、激光雷达数据+里程计数据处理的基本原理、基于GMapping的SLAM算法设计和机器人自动导航测试几个角度进行分析。