仪器仪表学报

作者：石杰，周亚丽，张奇志

单位：石杰,北京信息科技大学自动化学院北京100192,,周亚丽,北京信息科技大学自动化学院北京100192,,张奇志,北京信息科技大学自动化学院北京100192,

关键词：服务机器人;物品识别;改进的掩码区域卷积神经网络;头部轻量化掩码区域卷积神经网络;去掉掩码分支

基金：国家自然科学基金（11672044）项目资助

服务机器人在近年来得到了快速的发展，其应用的算法也在不断地更迭，目标检测算法便是其中之一。在保证目标检测精度的前提下，目标检测速度决定着机器人目标物抓取的效率。因此将远距离小目标场景作为测试场景，改进现有网络模型，目的是在保证检测精度的前提下提升检测速度。掩码区域卷积神经网络（MaskRCNN）是目前目标检测领域应用较广的算法，通过对其网络结构研究发现，掩码分支和过多的全连接层会占用大量网络检测时间；同时，MaskRCNN提取到的特征图具有较高的维度，其会占用大量的计算内存，产生大量的计算任务。为此，MaskRCNN进行改进，如去掉掩码分支和多余的全链接层；将头部轻量化区域卷积神经网络（LH?RCNN）引入到MaskRCNN中；调整区域建议网络（RPN）中锚点（Anchor）的比例。最后，本文在带有KinectⅡ的家庭服务机器人平台上对改进的MaskRCNN进行测试，测试结果表明，与原始的MaskRCNN相比，改进的MaskRCNN在保证检测精度的同时，可以大幅提高算法运行的速度，检测时间缩短2倍以上,提高服务机器人目标抓取任务的效率。

来源：2019年第4期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2019年第4期