期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到429篇文章
< 1 2 … 22 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进YOLO v5-pose的群养生猪体尺自动测量方法
1
作者 刘刚 曾雪婷 +3 位作者 刘晓文 李涛 丁向东 米阳 《农业机械学报》 北大核心 2025年第5期455-465,共11页
针对群养生猪体尺自动测量中体尺测点难以高效和精确提取的问题,提出一种基于改进YOLO v5-pose的群养生猪体尺自动测量方法。在YOLO v5-pose主干网络中融合卷积块注意力模块(Convolutional block attention module,CBAM),更好地捕捉到... 针对群养生猪体尺自动测量中体尺测点难以高效和精确提取的问题,提出一种基于改进YOLO v5-pose的群养生猪体尺自动测量方法。在YOLO v5-pose主干网络中融合卷积块注意力模块(Convolutional block attention module,CBAM),更好地捕捉到测点相关特征;将Neck层的C3传统模块替换为C3Ghost轻量模块,降低模型参数量和内存占用量;在模型Head层引入DyHead(Dynamic head)目标检测头,提升模型对测点位置的表征能力。结果表明,改进模型的测点检测平均精度均值为92.6%,参数量为6.890×10^(6),内存占用量为14.1 MB,与原始YOLO v5-pose模型相比,平均精度均值增加2.1个百分点,参数量和内存占用量分别减少2.380×10^(5)、0.4 MB。与当前经典模型YOLO v7-pose、YOLO v8-pose、RTMPose(Real-time multi-person pose estimation based on mmpose)和CenterNet相比,该模型的召回率和平均精度均值更优且更轻量化。在2400幅群养生猪图像数据集上进行试验,结果表明,该方法测得体长、体宽、臀宽、体高和臀高的平均绝对误差分别为4.61、5.87、6.03、0.49、0.46 cm,平均相对误差分别为2.69%、11.53%、12.29%、0.90%和0.76%。综上所述,本文方法提高了体尺测点检测精度,降低了模型复杂度,取得了更精确的体尺测量结果,为群养环境下生猪体尺自动测量提供了一种有效的技术手段。 展开更多
关键词 群养生猪 体尺测量 改进YOLO v5-pose 关键点检测 坐标变换
在线阅读 下载PDF
基于改进YOLO v9u-pose的肉牛质量估算方法
2
作者 段青玲 杨丽莎 《农业机械学报》 北大核心 2025年第10期596-605,共10页
在肉牛养殖中,肉牛质量对其生长监测和育种改良具有重要意义。传统的称量方法费时费力,且易造成牛只应激反应。然而,现有的非接触方法易受姿态和复杂背景影响,精度较低,鲁棒性差。为此,本文提出了基于改进YOLO v9u-pose的肉牛质量估算方... 在肉牛养殖中,肉牛质量对其生长监测和育种改良具有重要意义。传统的称量方法费时费力,且易造成牛只应激反应。然而,现有的非接触方法易受姿态和复杂背景影响,精度较低,鲁棒性差。为此,本文提出了基于改进YOLO v9u-pose的肉牛质量估算方法,包括关键点检测和质量估算2个阶段。在关键点检测阶段,以YOLO v9u-pose作为基线网络,利用ODConv(Omni-dimensional dynamic convolution)替换主干网络的普通卷积;采用DySample替换颈部网络的上采样模块;并在与检测头连接的RepNCSPELAN4模块中添加EMA注意力机制(Excitation and modulation attention),进而提高肉牛关键点检测算法精度。在质量估算阶段,利用深度图和局部点云聚类等方法提取体尺特征,并构建基于体尺和PSO-XGBoost(Particle swarm optimization-eXtreme gradient boosting, PSO-XGBoost)的肉牛质量估算算法。在自建的数据集上测试,本文提出的关键点检测算法F1值和平均精度均值(mAP@0.75)分别为97.2%和98.2%,质量估算算法平均绝对百分比误差为3.97%。最终将所提方法部署至开发板,为肉牛智能化养殖提供了技术支持。 展开更多
关键词 肉牛 质量估算 关键点检测 YOLO v9u-pose PSO-XGBoost
在线阅读 下载PDF
基于BMR-YOLO 11n-Pose的藠头关键点识别与分类方法
3
作者 刘浩蓬 杨云潇 +3 位作者 康启新 张国忠 张乐妍 卫佳 《农业机械学报》 北大核心 2025年第11期490-498,共9页
针对藠头形态不规则,在检测过程中存在特征表达失真、外形难以提取等问题,本文提出基于深度学习的多尺度关键点识别与分类方法,可通过识别藠头顶点及横径的两端点提取其外形特征,同时基于决策树算法对藠头尺寸和外形等特征进行准确分类... 针对藠头形态不规则,在检测过程中存在特征表达失真、外形难以提取等问题,本文提出基于深度学习的多尺度关键点识别与分类方法,可通过识别藠头顶点及横径的两端点提取其外形特征,同时基于决策树算法对藠头尺寸和外形等特征进行准确分类。首先以YOLO 11n-Pose为基线模型,在颈部引入双层路由注意力机制(BRA)、特征增强层(MobileNet Variants)和通道混洗的重参数化卷积(RCS),构建了BMR-YOLO 11n-Pose模型。相较于基线模型,本文模型的关键点识别精确率(Pose-P)和检测框识别精确率(Box-P)分别提升0.9、1.9个百分点,其平均精度mAP0.5-0.95提升1.9个百分点。进而基于决策树算法对藠头的外形特征分别进行尺寸分类和弯曲程度分类,其分类模型精确率分别为92.87%和84.72%,相比原基线模型分别增加11.19、8.39个百分点,有效提升了藠头外形特征的分类精度。本研究可为藠头位姿识别和分类作业等应用场景提供理论参考和技术支撑。 展开更多
关键词 藠头识别 目标关键点检测 BMR-YOLO 11n-pose 深度学习
在线阅读 下载PDF
基于YOLOv8-pose的人体姿态检测模型 被引量：1
4
作者 方晓柯 黄俊 《激光杂志》 北大核心 2025年第3期50-57,共8页
针对多人人体姿态估计场景下关节点检测丢失以及小目标无法识别等问题,提出了一种改进的YOLOv8-Pose模型。该算法的核心改进在于使用可变性卷积DCNV2替换了C2F模块中的卷积,从而增强了网络的特征提取能力。同时,使用加权双向金字塔BiFP... 针对多人人体姿态估计场景下关节点检测丢失以及小目标无法识别等问题,提出了一种改进的YOLOv8-Pose模型。该算法的核心改进在于使用可变性卷积DCNV2替换了C2F模块中的卷积,从而增强了网络的特征提取能力。同时,使用加权双向金字塔BiFPN模块替换原模型中的特征融合模块,保留小目标信息的同时,融合更多的浅层信息,以提高识别准确度。最后,为了进一步加强对关键部位的捕获和分析能力,引入了SimAM注意力机制,对局部特征进行加权处理。实验结果表明,在CrowdPose数据集上,该算法的检测精度达到了74.5%,比原模型高出了3.3%。与原YOLOv8-pose模型相比,改进后的模型不仅具有更高的检测精度,而且在小目标的识别效果上也有显著的提升。由此可见,改进后的网络能更加精确、有效地应用于多人人体姿态检测。 展开更多
关键词 姿态识别 关节点检测 YOLOv8-pose DCNV2 SimAM
原文传递
基于Transformer和PointNet++的毫米波雷达人体姿态估计 被引量：2
5
作者 李阳 刘毅 +3 位作者 李浩 张刚 徐明枫 郝崇清 《计算机科学》 北大核心 2025年第S1期433-441,共9页
人体姿态估计作为动作识别领域中的研究热题被广泛地应用在医疗、安防和监控等方面,对推动相关行业的智能化发展具有重要意义。但目前基于图像的人体姿态估计对环境要求较高且隐私性差。基于此,提出了一种基于毫米波雷达点云的人体姿态... 人体姿态估计作为动作识别领域中的研究热题被广泛地应用在医疗、安防和监控等方面,对推动相关行业的智能化发展具有重要意义。但目前基于图像的人体姿态估计对环境要求较高且隐私性差。基于此,提出了一种基于毫米波雷达点云的人体姿态估计方法,该方法使用PointNet++对毫米波雷达点云进行特征提取,与基于CNN的姿态估计方法相比,其在各关节点的MSE,MAE,RMSE值更低。此外,为了解决毫米波雷达点云稀疏的问题,使用了一种多帧点云拼接策略,以增加点云的数量,其中以拼接三帧点云为输入的模型相比于原始模型的MSE和MAE值分别降低了0.22 cm和0.72 cm,有效地缓解了点云过于稀疏的问题。最后,为了充分利用不同点云之间的时序特征,将Transformer与PointNet++相结合,并通过消融实验证明了多帧点云拼接策略和加入Transformer结构这两种方法的有效性,其MSE和MAE两个指标值分别达到了0.59 cm和5.41 cm,为实现性能更优的射频人体姿态估计提供了一种新思路。 展开更多
关键词 人体姿态估计 毫米波雷达 pointNet++ 点云数据 TRANSFORMER
在线阅读 下载PDF
基于改进YOLOv8n-pose的轻量化牛体尺自动测量方法
6
作者 陈相学 郭小燕 +1 位作者 李艳梅 刘畅 《南京农业大学学报》 北大核心 2025年第6期1464-1475,共12页
[目的]牛体尺测量是牛生长发育评估和育种选择的重要步骤。然而传统的人工测量牛体尺的方法费时费力,且容易引起牛的应激反应。为了准确高效、低成本地测量牛育种所需的体尺数据,本研究设计了一种轻量化牛体尺自动测量方法。[方法]基于... [目的]牛体尺测量是牛生长发育评估和育种选择的重要步骤。然而传统的人工测量牛体尺的方法费时费力,且容易引起牛的应激反应。为了准确高效、低成本地测量牛育种所需的体尺数据,本研究设计了一种轻量化牛体尺自动测量方法。[方法]基于牛侧面体尺数据集,提出了一种基于改进YOLOv8n-pose的关键点检测模型,在原基础上引入空间深度转换卷积(space-to-depth convolution,SPD-Conv)模块、CSPPC(cross-stage partial networks and partial convolution)模块和SPPELAN(spatial pyramid pyramid ensemble for lightweight networks)池化模块。利用改进模型自动获取牛身体的鬐甲最高点、前肢地面点、胸基点、鬐甲后缘点、腹底点、腰椎点、十字部点、肩端前缘点、坐骨结节后缘点、前肢左点和前肢右点11个关键点位置。根据坐标转换与体尺公式自动测量出体高、胸深、腹深、十字部高、尻长、体斜长和管围7项牛体尺数据。[结果]在采集的61头牛体尺数据集上进行试验,试验结果表明本文提出的改进模型测量出的牛体尺数据平均相对误差为6.2%,与原模型相比,参数量降低43.8%,计算量下降34.1%,模型尺寸降低41.3%,在保证模型精度的同时提高了轻量化程度。[结论]本研究满足了准确高效、全面与低成本的自动测量牛体尺要求,为牛选育提供了一种新的有效测量方案。 展开更多
关键词 牛体尺测量 牛选育 关键点检测 轻量化模型 YOLOv8n-pose
在线阅读 下载PDF
改进YOLOv8-Pose的钢筋焊接节点识别 被引量：2
7
作者 成彬 张博豪 雷华 《计算机技术与发展》 2025年第2期174-182,共9页
为解决光照不足、复杂路面背景和节点密集情况下钢筋骨架自动焊接成型中节点漏检、焊点位置不精确等难识别问题,借鉴人体姿态估计算法,提出了一种改进YOLOv8n-Pose的钢筋节点识别和焊点检测方法。首先,使用VanillaBlock代替网络中的3... 为解决光照不足、复杂路面背景和节点密集情况下钢筋骨架自动焊接成型中节点漏检、焊点位置不精确等难识别问题,借鉴人体姿态估计算法,提出了一种改进YOLOv8n-Pose的钢筋节点识别和焊点检测方法。首先,使用VanillaBlock代替网络中的3×3下采样卷积,在不降低模型精度的同时减少了模型复杂度;然后,在Neck中的C2f模块中嵌入VanillaBlock,增强多尺度信息融合能力;最后,引入CoT注意力机制,提升在弱光下的节点检测能力。实验结果表明,改进后YOLOv8n-Pose算法mAP 0.5-kp为90.2%,mAP 0.5:0.95-kp为89.5%,相比于原模型均提高了3.7百分点,单张图像平均检测时间为20.9 ms。与HRNet-s、RTMpose-s、YOLOv5n-Pose和YOLOv7t-Pose检测网络相比,mAP 0.5-kp分别提升了3.2百分点、5.0百分点、16.0百分点、13.1百分点。改进YOLOv8n-Pose对背景复杂、光照不足和节点密集等情况具有较高的检测精度,能够满足自动化钢筋骨架焊接成型的实时检测需求。 展开更多
关键词 钢筋焊点检测 CoT注意力机制 VanillaNet YOLOv8-pose 关键点检测 目标检测
在线阅读 下载PDF
基于改进PointNet++网络和ICP算法的堆叠零件位姿估计
8
作者 栾庆磊 吴叶 +1 位作者 常昕昱 毛宜东 《仪表技术与传感器》 北大核心 2025年第5期112-120,共9页
针对工业零件散乱摆放、相互堆叠带来的识别困难、位姿估计不准确等问题,文中提出了一种基于改进PointNet++点云分割网络与迭代最近点(ICP)配准算法的零件位姿估计方法。首先,利用PyBullet仿真工具模拟零件的堆叠场景并制作点云数据集;... 针对工业零件散乱摆放、相互堆叠带来的识别困难、位姿估计不准确等问题,文中提出了一种基于改进PointNet++点云分割网络与迭代最近点(ICP)配准算法的零件位姿估计方法。首先,利用PyBullet仿真工具模拟零件的堆叠场景并制作点云数据集;然后,改进PointNet++网络的损失函数和K-均值聚类算法的质心选择策略,将场景点云中的目标零件分割出来;最后,改进ICP点云配准算法的误差目标函数,估计目标零件的位姿信息。实验结果表明:实例分割的平均准确率和轮廓系数分别为92.88%和0.68,位姿估计的配准误差和耗时分别为0.926×10-6cm和24.64 s,证明了所提方法能够准确分割堆叠场景中的目标零件,且在位姿估计精度和效率方面均具有更好的效果。 展开更多
关键词 位姿估计 迭代最近点配准算法 pointNet++网络 K-均值聚类算法
在线阅读 下载PDF
复杂场景下基于改进的YOLOv5-pose的异常行为检测研究
9
作者 崔悦 杨旺 +1 位作者 王明旗 李振鑫 《现代信息科技》 2025年第7期71-75,82,共6页
文章提出了一种复杂场景下基于改进的YOLOv5-pose的异常行为检测算法,使用FPT代替了FPN+PAN模块,使特征图能够在跨尺度与跨空间实现全局部交互,提高关节点检测的准确度。在Neck模块中使用跳跃连接结构将输入特征和经过网络输出的多尺度... 文章提出了一种复杂场景下基于改进的YOLOv5-pose的异常行为检测算法,使用FPT代替了FPN+PAN模块,使特征图能够在跨尺度与跨空间实现全局部交互,提高关节点检测的准确度。在Neck模块中使用跳跃连接结构将输入特征和经过网络输出的多尺度特征的信息进行有效融合,提高对细节信息的捕获能力,增强对遮挡过的关节点检测的准确性。实验结果表明,改进后的算法在CrowdPose数据集上平均准确率达到了99.5%,比原模型高出了2.4%。改进后的模型不仅具有更高的检测精度,而且在小目标的识别效果上也有显著的提升。 展开更多
关键词 YOLOv5-pose 行为识别 关节点检测 FPT 跳跃连接
在线阅读 下载PDF
基于改进YOLOv8-Pose的码垛快速识别与抓取点检测 被引量：3
10
作者 郭忠峰 王健鹏 +1 位作者 杨钧麟 杨春源 《组合机床与自动化加工技术》 北大核心 2024年第11期125-129,共5页
针对码垛场景中在仓库内对米袋和面袋的识别与抓取点检测的任务,提出了一种基于改进的YOLOv8-Pose的轻量化快速检测算法模型。其基于YOLOv8-Pose,使用若干个ShuffleNetv2模块取代原Darknet主干网络,降低模型大小;添加SimAM注意力机制,... 针对码垛场景中在仓库内对米袋和面袋的识别与抓取点检测的任务,提出了一种基于改进的YOLOv8-Pose的轻量化快速检测算法模型。其基于YOLOv8-Pose,使用若干个ShuffleNetv2模块取代原Darknet主干网络,降低模型大小;添加SimAM注意力机制,提升目标特征提取能力。通过对比实验表明,该模型在不牺牲准确性的前提下可提升模型的识别速度。模型在自制数据集中的平均精度达到了93.7%,检测速度达到了62 fps,优于常见模型。证明该模型能够实现复杂场景下的抓取点识别,且该轻量化模型能够适用于嵌入式硬件,降低设备成本。 展开更多
关键词 抓取点检测 YOLOv8-pose ShuffleNetv2 轻量化网络结构
在线阅读 下载PDF
基于改进YOLOv8n-pose和三维点云分析的蒙古马体尺自动测量方法 被引量：5
11
作者 李明煌 苏力德 +2 位作者 张永 宗哲英 张顺 《智慧农业（中英文）》 CSCD 2024年第4期91-102,共12页
[目的/意义]准确高效地获取马匹体尺信息是马产业现代化进程中的关键环节。传统的人工测量方法耗时长、工作量大,且会对马匹造成一定应激反应。因此,实现准确且高效的体尺参数自动测量对于制定蒙古马早期育种计划至关重要。[方法]选择Az... [目的/意义]准确高效地获取马匹体尺信息是马产业现代化进程中的关键环节。传统的人工测量方法耗时长、工作量大,且会对马匹造成一定应激反应。因此,实现准确且高效的体尺参数自动测量对于制定蒙古马早期育种计划至关重要。[方法]选择Azure Kinect深度相机获取蒙古马双侧RGB-D数据,以YOLOv8n-pose为基础,通过在C2f模块中引入可变形卷积(Deformable Convolution v2, DCNv2),同时添加洗牌注意力机制(Shuffle Attention, SA)模块和优化损失函数(SCYLLA-IoU Loss, SIoU)的方法,利用余弦退火法动态调整学习率,提出一种名为DSS-YOLO (DCNv2-SA-SIoU-YOLO)的模型用于蒙古马体尺关键点的检测。其次,将RGB图中的二维关键点坐标与深度图中对应深度值相结合,得到关键点三维坐标,并实现蒙古马点云信息的转换。利用直通滤波、随机抽样一致性(Random Sample Consensus, RANSAC)、统计离群值滤波、主成分分析法(Principal Component Analysis, PCA)完成点云处理与分析。最终根据关键点坐标自动计算体高、体斜长、臀高、胸围和臀围5项体尺参数。[结果和讨论] DSS-YOLO的平均关键点检测精度为92.5%;d_(DSS)为7.2个像素;参数量和运算量分别仅为3.48 M和9.1 G。体尺参数自动测量结果与人工测量值相比,各项体尺参数的整体平均绝对误差为3.77 cm;平均相对误差为2.29%。[结论]研究结果可为蒙古马运动性能相关遗传参数的确定提供技术支撑。 展开更多
关键词 蒙古马 体尺测量 卷积神经网络 注意力机制 三维点云处理 YOLOv8n-pose
在线阅读 下载PDF
基于YOLO-Pose的钢筋间距检测 被引量：1
12
作者 林聪功 陈国栋 +4 位作者 林鸿强 张雨诗 牟宏霖 林进浔 黄明炜 《佳木斯大学学报（自然科学版）》 CAS 2024年第11期65-70,共6页
为了解决传统钢筋间距测量方法在施工现场复杂背景和噪声下精度不佳的问题,利用YOLO-Pose算法提出了一种新的检测方法。该方法通过深度学习技术识别钢筋交点关键点,相比传统方法具备更高的鲁棒性和适应性。经过对不同检测网络的比较,YOL... 为了解决传统钢筋间距测量方法在施工现场复杂背景和噪声下精度不佳的问题,利用YOLO-Pose算法提出了一种新的检测方法。该方法通过深度学习技术识别钢筋交点关键点,相比传统方法具备更高的鲁棒性和适应性。经过对不同检测网络的比较,YOLOv8-Pose模型在钢筋交点检测任务中表现出色,关键点检测平均准确率mAP-kp达到99.3%,FPS为77。实验结果显示,该方法通过像素标定和直径检测,能够精确计算钢筋间距,平均相对误差为2.6%,最大相对误差为8.9%,符合GB50204-2015混凝土结构工程施工质量验收规范标准。 展开更多
关键词 钢筋间距检测 YOLO-pose 深度学习 关键点识别 像素标定
在线阅读 下载PDF
尖嘴形取苗-直线投苗特性取苗机构优化设计与试验
13
作者 赵雄 周振康 +3 位作者 程迪 马行潇 徐亚丹 俞高红 《农业机械学报》 北大核心 2025年第9期395-404,449,共11页
蔬菜密植多行同步种植场景中,由于取苗针间距与行距之间的差异需要配置导苗杯,现有旋转式自动取苗机构工作时,因钵苗基质紧实度和盘根性差异,普遍出现“提前落苗”和“甩苗”现象而导致钵苗无法顺利通过接苗杯的问题。本文提出一种能适... 蔬菜密植多行同步种植场景中,由于取苗针间距与行距之间的差异需要配置导苗杯,现有旋转式自动取苗机构工作时,因钵苗基质紧实度和盘根性差异,普遍出现“提前落苗”和“甩苗”现象而导致钵苗无法顺利通过接苗杯的问题。本文提出一种能适应钵苗基质差异性的“尖嘴形取苗-直线投苗”轨迹,开展基于关键位姿点与轨迹约束的非圆齿轮行星轮系取苗机构优化研究。将取苗机构简化为开链2R杆组,基于四位姿开链2R杆组综合和混合四位姿直线轨迹开链2R杆组综合建立机构参数求解模型,优化机构参数、开展样机取投试验,试验结果表明,马鞭草、牛至、薄荷钵苗提前投苗率为10.9%、5.4%、39.6%,接苗成功率为92.2%、95.7%、96.8%。研究成果为钵苗顺利通过接苗提供了技术参考。 展开更多
关键词 取苗机构 密植类作物 关键位姿点 轨迹约束 直线轨迹
在线阅读 下载PDF
面向无序分拣场景的工件6D位姿检测方法
14
作者 曹学鹏 李鑫 +4 位作者 冯艳丽 石瑞 葛天烨 张新荣 赵睿英 《工程科学与技术》 北大核心 2025年第5期298-308,共11页
目标6D位姿检测是实现机器人自主抓取的关键。为克服传统点对识别(PPF)方法检测性能差、耗时及难以检测到多平面特征工件的6D位姿等不足,提出面向无序分拣场景的工件6D位姿检测方法。首先,基于模型平面点分布筛选多平面特征工件,提取其... 目标6D位姿检测是实现机器人自主抓取的关键。为克服传统点对识别(PPF)方法检测性能差、耗时及难以检测到多平面特征工件的6D位姿等不足,提出面向无序分拣场景的工件6D位姿检测方法。首先,基于模型平面点分布筛选多平面特征工件,提取其边界特征进行6D位姿检测,并在多视点下提取模型点对以去除冗余点对,提高算法识别速度。其次,匹配场景与模型间的点对特征,利用快速投票方案获取无序场景中目标的位姿假设集合。接下来,通过位姿验证筛选方法,剔除重复和误匹配位姿,实现目标多实例位姿的粗略估计,并借助迭代最近点(ICP)算法完成目标位姿的精确估计。实验结果表明:在无序仿真场景中,单次识别时间小于等于1.15 s,平均平移偏差小于等于0.95 mm,平均旋转误差小于等于1.56°;在实际场景中,平均识别成功率为95.82%,平均单次识别时间为1.11 s。综上,该6D位姿检测方法在保证识别效率的同时兼顾了位姿估计精度,并在识别精度和速度上均优于同类算法,为机器人的精准抓取的实现提供了有力的保障。 展开更多
关键词 无序场景 6D位姿检测 点对特征 位姿估计精度 识别率
在线阅读 下载PDF
联合多视图可控融合和关节相关性的三维人体姿态估计
15
作者 董婧 张鸿儒 +4 位作者 方小勇 周东生 杨鑫 张强 魏小鹏 《中国图象图形学报》 北大核心 2025年第1期254-267,共14页
目的多视图三维人体姿态估计能够从多方位的二维图像中估计出各个关节点的深度信息,克服单目三维人体姿态估计中因遮挡和深度模糊导致的不适定性问题,但如果系统性能被二维姿态估计结果的有效性所约束,则难以实现最终三维估计精度的进... 目的多视图三维人体姿态估计能够从多方位的二维图像中估计出各个关节点的深度信息,克服单目三维人体姿态估计中因遮挡和深度模糊导致的不适定性问题,但如果系统性能被二维姿态估计结果的有效性所约束,则难以实现最终三维估计精度的进一步提升。为此,提出了一种联合多视图可控融合和关节相关性的三维人体姿态估计算法CFJCNet(controlled fusion and joint correlation network),包括多视图融合优化模块、二维姿态细化模块和结构化三角剖分模块3部分。方法首先,基于极线几何框架的多视图可控融合优化模块有选择地利用极线几何原理提高二维热图的估计质量,并减少噪声引入;然后,基于图卷积与注意力机制联合学习的二维姿态细化方法以单视图中关节点之间的联系性为约束,更好地学习人体的整体和局部信息,优化二维姿态估计;最后,引入结构化三角剖分以获取人体骨长先验知识,嵌入三维重建过程,改进三维人体姿态的估计性能。结果该算法在两个公共数据集Human3.6M、Total Capture和一个合成数据集Occlusion-Person上进行了评估实验,平均关节误差为17.1 mm、18.7 mm和10.2 mm,明显优于现有的多视图三维人体姿态估计算法。结论本文提出了一个能够构建多视图间人体关节一致性联系以及各自视图中人体骨架内在拓扑约束的多视图三维人体姿态估计算法,优化二维估计结果,修正错误姿态,有效地提高了三维人体姿态估计的精确度,取得了最佳的估计结果。 展开更多
关键词 多视图 三维人体姿态估计 关节相关性 图卷积网络(GCN) 注意力机制 三角剖分
原文传递
基于卷积注意力模块的人体姿态估计研究 被引量：1
16
作者 廉继红 薛维哥 +1 位作者 王延年 张楠 《西安工程大学学报》 2025年第2期1-9,共9页
为了进一步确保自动驾驶的行人安全,针对人体姿态估计存在关键点误检、漏检、冗余的问题,以HRNet为骨干网络进行算法优化,从而进一步提高模型检测精度。首先,在图像特征提取时设计了一个人体姿态估计模型推理网络RSGNet,在关键点推理的... 为了进一步确保自动驾驶的行人安全,针对人体姿态估计存在关键点误检、漏检、冗余的问题,以HRNet为骨干网络进行算法优化,从而进一步提高模型检测精度。首先,在图像特征提取时设计了一个人体姿态估计模型推理网络RSGNet,在关键点推理的过程中剔除干扰关键点带来的影响,提高模型对关键点信息的有效利用;其次,针对自遮挡或者外界干扰的影响导致图像细节信息不完全的问题,在图像特征处理时加入了卷积注意力模块(convolutional block attention module,CBAM),该模块结合了空间与通道的关联融合信息,减少了前景、背景等信息对图像处理的负面影响。实验结果表明:相较于基准模型HRNet方法,改进后的网络模型明显提高了人体姿态估计的检测精度,在公共数据集COCO的平均准确率(average precision,AP)提高了7.3%,在公共数据集MPII的AP提高了3.0%。 展开更多
关键词 姿态估计 自动驾驶 关键点 注意力机制 空间注意力 通道注意力
在线阅读 下载PDF
基于YOLO v5-MNv4S与RANSAC-GN的柑橘姿态估计方法
17
作者 李丽 张官明 +2 位作者 张云峰 梁继元 淳长品 《农业机械学报》 北大核心 2025年第10期558-566,共9页
为解决果园环境下的柑橘多变姿态估计问题,提高柑橘采收成功率,本文提出一种轻量化目标检测网络YOLO v5-MNv4S,与改进的随机采样一致性-高斯牛顿(Random sample consensus-Gauss Newton,RANSAC-GN)点云处理算法,根据柑橘生长及末端采摘... 为解决果园环境下的柑橘多变姿态估计问题,提高柑橘采收成功率,本文提出一种轻量化目标检测网络YOLO v5-MNv4S,与改进的随机采样一致性-高斯牛顿(Random sample consensus-Gauss Newton,RANSAC-GN)点云处理算法,根据柑橘生长及末端采摘流程定义柑橘姿态,构建了柑橘姿态实时估计系统。首先将YOLO v5s骨干网络优化为轻量化特征提取网络(MNv4-Conv-S),大幅降低训练参数,使最终输出网络权重轻量化,减少计算量,提高识别效率;其次添加CA注意力机制及替换损失函数为SIoU,解决了轻量化网络特征提取能力弱的问题。上述改进实现了YOLO v5-MNv4S网络轻量化与优于YOLO v5s的检测能力。D435i型相机采集图像后输入到YOLO v5-MNv4S获取目标边界框,使用针孔模型输出柑橘区域点云,分割出柑橘表面点云,结合本文改进的RANSAC-GN点云算法拟合出准确稳定的柑橘参数,融合果蒂空间坐标,最终输出待采摘柑橘空间姿态结果。消融试验及网络对比试验结果表明,轻量化的YOLO v5-MNv4S精度为93.1%,参数量仅为YOLO v5s的14.7%,对比YOLO v5s-Ghost以及YOLO v7、YOLO v8等网络,其在参数大幅缩减的同时,识别精度最佳。柑橘定位与姿态识别试验结果表明,采用RANSAC-GN的柑橘参数拟合误差为(0.18,0.19,0.44)mm,姿态估计误差为2.56°,姿态估计准确,真实果园环境下柑橘姿态估计结果与真实柑橘一致。该研究能满足果园环境下对柑橘姿态的识别,可为结构化柑橘果园机械采收设备提供技术支持。 展开更多
关键词 柑橘采摘 目标检测 姿态估计 轻量化网络 点云处理 MobileNetV4
在线阅读 下载PDF
动态扫描场景下GM-APD激光雷达点云高精度配准方法研究
18
作者 钟国舜 刘秋佐 +3 位作者 李萌 彭涛 孙剑峰 刘建伟 《中国光学(中英文)》 北大核心 2025年第5期1076-1085,共10页
本研究针对盖革雪崩光电二极管(Geiger-mode avalanche photodiode,GM-APD)激光雷达在动态扫描场景下相邻帧点云重叠率低、易强制配准非匹配点对的问题,提出了一种基于双向匹配机制和多分辨率邻域扩展的改进ICP算法,以提高点云配准精度... 本研究针对盖革雪崩光电二极管(Geiger-mode avalanche photodiode,GM-APD)激光雷达在动态扫描场景下相邻帧点云重叠率低、易强制配准非匹配点对的问题,提出了一种基于双向匹配机制和多分辨率邻域扩展的改进ICP算法,以提高点云配准精度和鲁棒性。首先,通过基于K-Dtree的双向匹配机制提取相邻帧点云的重叠区域,利用重叠区域信息建立初始配准模型,解决了低重叠率场景下配准精度低的问题。其次,采用多分辨率邻域扩展技术,结合局部曲率相似性加权求解变换矩阵,避免了动态配准中强制对齐非匹配点对的现象。最后,通过级联补偿机制实现全局点云的精确配准。实验结果表明,在2km和400m扫描成像中,平均距离误差分别为0.21m和0.10m。该方案有效解决了动态扫描场景下的点云配准难题,为三维重构提供了高精度数据支持,具有重要应用价值。 展开更多
关键词 GM-APD 点云配准 位姿校正 双向匹配 多分辨率邻域扩展
在线阅读 下载PDF
视觉引导机械臂辅助超声相控阵检测研究 被引量：2
19
作者 赵富 施艳青 +2 位作者 王少锋 湛春颖 王国强 《组合机床与自动化加工技术》 北大核心 2025年第3期135-139,共5页
焊接结构受工艺影响不可避免地会产生内部缺陷,严重影响工件稳定性。针对不规则焊接件无损检测问题,提出一种视觉引导机械臂辅助超声相控阵的无损检测方法。首先,对点云数据进行滤波处理并提取其FPFH特征描述子;然后,采用RANSAC+Point-t... 焊接结构受工艺影响不可避免地会产生内部缺陷,严重影响工件稳定性。针对不规则焊接件无损检测问题,提出一种视觉引导机械臂辅助超声相控阵的无损检测方法。首先,对点云数据进行滤波处理并提取其FPFH特征描述子;然后,采用RANSAC+Point-to-plane ICP算法对点云进行模板匹配,接着结合手眼标定与位姿解算过程规划出机械臂的检测路径,然后使用机械臂夹持超声检测探头对工件进行检测;最后,通过超声相控阵检测系统对缺陷进行定性和定量分析,实验结果显示缺陷长度为2.56,与实际人工制造的缺陷相比误差仅为6%。该研究为机械臂辅助超声相控阵无损检测研究提供了一种有效的技术手段,对实际研究具有极大的指导价值。 展开更多
关键词 无损检测 焊缝缺陷 位姿解算 点云配准
在线阅读 下载PDF
基于点对特征的无序场景下物体位姿估计方法研究 被引量：1
20
作者 叶旭辉 詹乐明 +2 位作者 尹芹凯 贺壮 胡新宇 《组合机床与自动化加工技术》 北大核心 2025年第2期52-56,共5页
针对工业场景下物体无序摆放难以准确抓取的问题,采用基于点对特征的位姿估计算法预测其在三维空间中的位置与姿态。在全局模型构建阶段采用可视点约束的方法筛除模型中的冗余点,提高了算法的计算速率;在模型匹配阶段通过快速投票机制... 针对工业场景下物体无序摆放难以准确抓取的问题,采用基于点对特征的位姿估计算法预测其在三维空间中的位置与姿态。在全局模型构建阶段采用可视点约束的方法筛除模型中的冗余点,提高了算法的计算速率;在模型匹配阶段通过快速投票机制得到物体候选位姿,利用模型内点比筛选最终输出位姿,提高了算法的位姿估计精度。实验结果表明,改进算法在全局模型构建速度方面有所提升,位姿估计精度方面平均距离误差小于4 mm,噪声模糊场景下的物体识别率为95%,相比原始算法鲁棒性更强;在虚拟仿真和现实的抓取实验中抓取成功率均达90%以上。 展开更多
关键词 点对特征 位姿估计 点云配准 机器视觉
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 22 下一页 到第 页
使用帮助 返回顶部