基于改进Faster R-CNN的铝型材表面缺陷检测

铝型材加工过程中出现的表面缺陷种类多、大小差距大、随机性强,导致常规的目标检测算法难以快速准确定位识别。针对这一问题,提出一种基于Faster R-CNN的改进算法。通过对Faster R-CNN引入特征金字塔结构(feature pyramid networks,FPN)改变,使用可变形卷积网络(deformable convolution net,DCN)优化特征提取。改进后模型对小像素缺陷识别能力显著提高,综合检测速度快,特征选框大小准确度高。将改进算法在验证集和测试集进行实验,结果表明,改进算法的平均准确率均值(mean average precision,MAP)可以达到86.81%,较原Faster R-CNN算法提高了7.69%,鲁棒性强。

基于传感器融合的同步定位与建图系统

针对在同步定位与地图构建系统中,使用单一的视觉或激光传感器时,容易出现采集的图像特征信息不准确或丢失,从而导致定位失败的问题,提出一种基于传感器融合的同步定位与地图构建方法。通过将惯性传感器获取的惯性里程计、深度相机获取的视觉里程计与伺服电机编码器获取的轮式里程计融合,共同构成系统状态参数及系统协方差矩阵,并使用扩展卡尔曼滤波方法构建多传感器融合的同步定位与地图构建系统。实验结果表明:与传统的同步定位与地图构建系统相比,该方法能够提高定位精度,改善移动平台的运动性能。