基于不确定性感知旋转目标检测的二次接线质检

变电站二次接线质检旨在检查端子排上预设的接线编号与二次线缆线帽序号是否匹配。由于二次接线线帽尺寸小、分布密集且朝向各异的特点,传统的水平目标检测算法在该任务上表现不佳,而图像采集过程中的视觉畸变和噪声干扰则加剧了二次接线难例样本的误检。为此,提出一种不确定性感知的实时旋转目标检测算法(Uncertainty-aware Real-time Oriented Object Detection,UROD)并将其应用于变电站二次接线可信质检。具体地,基于YOLOv8算法引入角度回归分支以实现旋转目标检测功能,并对其边界框回归和分类分支分别进行高斯分布建模,UROD能在输出目标检测结果的同时,伴随输出衡量检测结果的不确定性度量,而该不确定性度量又可应用于融合标识有序领域先验的接线成对匹配策略,从而实现二次接线难例样本的拒识。公开数据集DOTAv1与基于真实场景构建的二次接线数据集上的实验结果表明,相比于基线方法YOLOv8,UROD算法较大幅度提升了二次接线质检的精度;而相比于传统的旋转目标检测算法,UROD算法则不仅提升了检测速度,而且能够基于其所感知的不确定性度量对难例样本进行拒识。

一种基于卡尔曼滤波器的多目标跟踪算法研究

针对卡尔曼单目标跟踪算法对Robo Cup格斗机器人跟踪出现错误的问题,本文使用卡尔曼多目标跟踪算法对Robo Cup格斗机器人进行追踪。卡尔曼多目标跟踪算法对图像中相同灰度值的前景像素进行检测,通过blob分析将相同的像素点进行连接,从而获得移动目标,再由卡尔曼滤波器对其进行运动估计。这一算法克服了视频抖动带来的干扰,解决了跟踪过程中格斗机器人移动速度快、极易发生形变等原因导致跟踪失败的问题,实现了对多个格斗机器人的跟踪。