《表2 距离计算的对比实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进YOLOv2的无标定3D机械臂自主抓取方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在多物体环境下，首先根据改进的YOLOv2检测识别出的图像中目标物体的类别、置信率、和边界框的中心坐标、边界框的长和宽。将预测的物体去除机械手，按照置信率大小降序排列，选取置信率最高的物体作为目标物体，根据目标物体的边界框信息，利用K-means++聚类算法计算该物体到摄像机的距离，并将此距离和物体边界框信息保存下来。因为在抓取的过程中机械臂和机械手运动可能会遮挡住目标物体，所以在最开始需要将目标物体的边界框信息和距离信息保存下来，避免由遮挡引起的边界框误差和距离误差。为了验证改进YOLOv2能够有效提高目标物体到摄像机距离的计算精度，本文使用两类物体做了七组对比实验，物体摆放位置如图8(a）所示，cream在lotions后方距离恒定为40 mm，放置lotions到摄像机的距离为450 mm、500 mm、550 mm、600 mm、650 mm、700 mm、750 mm。每组实验的距离计算了五次，取五次的平均值作为最终的距离。实验结果如表2所示。根据表2计算得到，使用改进的YOLOv2输出的边界框计算的距离平均相对误差为0.38%，平均距离绝对误差为2.325 7 mm。