基于改进的CenterNet的绿篱检测算法研究

为了实现绿篱的准确、快速识别,提出了改进的CenterNet绿篱检测算法。在CenterNet的基础上提出了U型连接结构,研究了CenterNet热力图的物理意义并提出了椭圆热力图。最后,改进了原有损失函数以提高预测结果的置信度。实验结果表明:改进后的算法对于绿篱在复杂环境中的检测效果有明显提升,改进算法的平均精度(mean average precision, mAP)和F1分数分别为92.92%和83.10%,相比改进前2个指标各自分别平均提升了5.92%和9%。

小型多功能机器人的目标识别与自主作业定位技术综述

目前国外园林环卫机械通过引入机器视觉、高灵敏传感器正在朝着高度自动化、智能化方向发展。针对我国目前绿篱苗木自主修剪作业机器人进行目标识别、对中与定位存在的自适应控制问题,以本实验室课题研究的技术成果为基础,阐述了复杂环境工况条件下,球、柱和锥形等单株苗木修剪造型过程机器人对中与精确定位的方法,分析了基于图像识别的机器人自适应对中方法以及基于多线激光雷达和单目视觉融合建图方法的特点和优势,指出了进一步优化改进的途径。同时,针对目前绿篱修剪机械一般由人工驾驶机具行驶到待修剪绿篱的附近,以人眼通过视频进行对中,通过人工操作移动机械臂的手部至绿篱的中心位置的上方进行修剪作业,导致工作效率低下的难题,研究并叙述了一种自主作业修剪机器人的苗木识别、建图与对中技术方法,极大提高了修剪装备的自动化和智能化水平。