《表1 平均查全率对比:基于深度学习的足球机器人视觉识别方法》
经过实验验证,本文所使用的YOLOv3-tiny结合图像增强处理的视觉识别系统在查全率、误识别率和检测速度三个指标上达到了较好的均衡,在满足实时检测要求的同时达到了最优的识别效果。相较于队伍之前使用的基于Haar特征的Adaboost足球检测和基于边缘检测与Hough线变换的球门检测方法,本文使用的识别方法对不同的光照条件和场地条件具有更好的适应性,能同时完成对足球和球门的识别,可以应用在SEU-UniRobot机器人上,满足参加RoboCup Kidsize组竞赛的要求。如图3所示。
图表编号 | XD00157227300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 封泽、张逸帆、谈英姿 |
绘制单位 | 东南大学自动化学院、东南大学信息科学与工程学院、东南大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |