导读:本文包含了目标检测定位论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:目标,图像,视觉,深度,毫米波,区域,神经网络。
目标检测定位论文文献综述
刘振耀,李瑞东,潘军道[1]（2019）在《一种基于目标检测和PnP的移动终端室内定位方法》一文中研究指出针对传统的视觉定位易受噪声干扰、目标检测准确率低且无法获取终端准确位姿信息的问题,提出了一种基于卷积神经网络的目标检测和PnP相结合的移动终端室内定位方法,通过Mask-RCNN进行目标检测,然后采用EPnP算法求解相机准确的位姿信息,并对该方法进行系统实现及真实场景试验。试验结果表明,该方法目标检测准确率在98%以上,单轴定位误差在0.35 m以内,满足移动终端室内定位的精度,具有精度高、稳定性好的优点,为基于视觉的移动终端室内定位提供了新的思路。(本文来源于《测绘通报》期刊2019年11期）
于渊,郑银香,赵成林,魏子平,陶艺文[2]（2019）在《车载毫米波雷达目标检测与定位技术研究》一文中研究指出车载毫米波雷达以其高带宽、极强的穿透能力,将成为5G时代车联网的重要组成部分。其中,车辆附近目标的高效检测与定位是目前车载毫米波雷达领域亟待解决的重要问题。对车载雷达的发展概况进行简述,总结了车载毫米波雷达领域目标检测与定位技术的概况、技术原理以及存在挑战。此外,提出基于接收信号强度与信号到达角度指纹的目标联合检测与定位技术框架,通过贝叶斯序贯推理框架完成高效目标检测与精确定位。仿真结果显示,所提新框架相较于传统方法在目标检测概率以及定位精度方面有明显提升。(本文来源于《移动通信》期刊2019年11期）
杨红娟,高翔,李鉴,马军,汪承灏[3]（2019）在《快照的时间反转和逆时偏移混合法用于分层介质中的目标检测和定位理论分析》一文中研究指出0引言分层介质中的目标检测和定位在超声检测中一直存在着目标信号与界面信号难以区分的问题,为此,提出了脊状分布的时间反转(TR)[1-3]和逆时偏移(RTM)[4-5]混合法。但是脊状分布的TR-RTM方法不能应用于发射声脉冲较宽的情况,这个方法得出的声场分布图的峰比较宽[6],由于实际的发射信号为宽脉冲,常常不能区分目标散射和界面反射信号,从而影响准确的定位,为此我们提出快照的TR-RTM方法就能很好地解决这一困难。(本文来源于《2019年全国声学大会论文集》期刊2019-09-21）
李增祥,漆志亮,贾楠,吴建华[4]（2019）在《基于小波图像金字塔的工件目标检测与定位研究》一文中研究指出在工业生产线上的产品加工或质量视觉检测的过程中,经常要完成待加工工件的目标图像匹配或产品的视觉定位,为此,提出一种基于小波图像金字塔的相关匹配方法。基于特征的匹配方法如SIFT和HOG特征方法,虽然有很好的匹配精度和稳健性,但其计算量相对较大,通常不易满足现场实时应用需求。而提出的基于小波图像金字塔的工件目标检测与定位方法,先从低分辨率图像进行粗匹配,再在高分辨率图像上进行精确匹配,从而在基本不降低匹配精度的前提下,大大提高了匹配速度。多图像的目标检测实验以及在点胶机上的应用实践均表明文中所提算法优于传统基于模型的目标定位和识别方法,能满足更多的现场实时应用要求。(本文来源于《现代电子技术》期刊2019年15期）
丁鹏程,于进勇,王超,柳向阳[5]（2019）在《目标检测网络在无人机视觉定位的应用》一文中研究指出针对当前无人机视觉定位准确性和稳定性的难题,对目标检测网络在无人机视觉定位的应用进行分析。依据无人机视觉定位的特点和目标检测网络的优势,以特征分层提取作为主体设计思路,通过修改SSD网络结构,设计损失函数、更改候选框筛选规则、合并归一化网络,提出一种将改进SSD网络引入无人机视觉定位的算法,得到无人机的位置信息,并验证了算法的可行性。实验结果表明:该网络能满足无人机视觉定位的要求,有一定的理论及实用参考价值。(本文来源于《兵工自动化》期刊2019年07期）
杨书[6]（2019）在《目标检测中候选区域准确高效定位的机器学习方法研究》一文中研究指出目标候选框可以完成对目标物体的初步定位,是目标检测和目标识别的基础,既适合对多类目标的定位也适合对单类目标的定位。在实时监控系统、门禁系统、刷脸支付等实际环境中具有重要作用。所以,目标候选框的准确高效定位具有重要研究意义。本文主要从目标候选框生成的高效性与准确性两个方面进行研究。(1)本文主要针对BING方法定位准确率不高的问题,首先使用扩展模板提取特征增强物体边缘特征的判别力,从而改进原梯度特征定位偏差的问题。然后采用高斯软权重非最大值抑制算法,解决了最大目标候选框附近非最大目标候选区域被强制归零的问题,提高了BING方法定位的准确率。最后在公开的数据集上对改进算法进行验证。实验结果表明,改进的BING算法在不增加算法计算复杂度的基础上,提高了BING方法定位的准确率。(2)本文基于具有较高准确率的选择性搜索方法进行两方面的改进,一是在初始分割阶段使用汉明距离计算相邻像素之间的相似性,二是针对选择性搜索方法合并策略计算复杂的问题,使用一种基于颜色的哈希策略的方法计算图像初始分割区域的相似度,从而判断相邻区域是否可以合并。这种方法大大地减少了选择性搜索算法在区域合并时计算的迭代次数,并在公开的测试集上进行验证。结果表明,本文改进的选择性搜索方法在尽可能不降低准确率的基础上,效率提高了60%。基于目标候选框在DPM行人检测算法中的应用。本文使用改进BING算法和改进选择性搜索算法代替DPM行人检测算法中的滑动窗口完成对行人的检测。通过行人数据集INRIA对检测结果进行验证,实验结果表明,使用改进目标候选框结合DPM的方法检测行人,加快了DPM行人检测的速度,实现了对行人的高效准确定位。(本文来源于《西安理工大学》期刊2019-06-30）
吴婷[7]（2019）在《基于软件模块分析与斑块定位的瓶盖目标检测算法》一文中研究指出为了降低视觉检查软件的开发成本,提高软件系统项目对现场需求的对应力度和速度,提高饮料瓶质量检测率,设计了一套基于软件模块分析与斑块定位的饮料瓶盖检测系统。首先,设计并集成相机SDK采集模块、PLC控制模块、数据通信模块、视觉检查模块和整体界面框架,建立饮料瓶盖检测系统的软件框架与基础平台。然后,结合Blob图形识别和模板匹配,设计了斑块定位算子,实现针对饮料瓶盖的有无和拧紧质量检测。在QT平台开发系统,并对所提饮料瓶盖检测系统进行了测试,输出结果表明,所提出的饮料瓶盖检测系统,在软件工程性能和斑块定位准确度方面,都优于传统视觉系统。(本文来源于《国外电子测量技术》期刊2019年06期）
秦雁飞[8]（2019）在《基于双目视觉及深度学习的采摘机器人目标检测及定位技术研究》一文中研究指出国家发展纲要《中国制造2025》中要求在农业生产过程中提高信息收集、智能决策和精准作业的能力。采摘农机设备实现智能化会促进我国农业进一步向智能农业迈进。面对复杂的自然环境,现有的技术不能使采摘机器人精确实时的对果实进行检测和定位。本文针对以上问题,以奇异果为研究对象,对采摘机器人的目标检测及定位技术进行研究,主要贡献如下:首先,由于目前相机标定的步骤较为繁琐,不利于工程团队批量快速操作,因此基于相关理论和Opencv封装得到ViEye相机标定工具,通过标定得到双目相机的内部参数、畸变参数和外部参数,将左、右相机得到的图像校正到同一平面,标定误差小于0.05%。其次,针对目前奇异果检测方法识别精度低且用时长,建立了基于Retina-Net的奇异果检测模型:在Pytorch的框架下,以ResNet-50作为特征提取网络,通过制作数据集、选用适当的优化函数和调参策略,使用Retina-Net来检测自然环境下的奇异果。识别平均精度达到了 91.35%，单幅图像识别时间为0.08s,检测精度和速度都得到了很大的提升,能够为果实的叁维定位提供数据支持。然后,针对在自然环境下提取奇异果的特征点比较困难，使用YUV直方图均衡化和SURF算法对图像的特征点进行增强和提取,并使用极线约束剔除误匹配点,基于以上研究提出了一种自然环境下奇异果立体匹配算法,完成奇异果采摘区域的立体匹配,匹配的准确率为89.39%。最后,对奇异果采摘中心点进行叁维定位实验,定位的误差低于3.5%。满足奇异果采摘机器人的叁维定位要求。综上所述,本文以自然环境下的奇异果为研究对象,基于双目立体视觉及深度学习对采摘机器人的目标检测及定位技术进行研究,实现了对奇异果果实的有效检测和叁维空间定位。(本文来源于《北京交通大学》期刊2019-06-03）
刘希宾[9]（2019）在《基于视觉的运动目标检测与定位技术》一文中研究指出基于视觉的运动目标检测与定位技术在民用方面,广泛应用于智能交通、智能驾驶、抗灾救援等任务,在军用方面,可利用带有视觉感知平台的无人车进行目标检测与定位具有独特的优势,特别是在对可移动的、有遮掩的、时敏的地面目标或水面目标进行实时、零伤亡、全天候的有效监控值守过程中发挥了不可替代的作用。本文视觉感知系统是指安装在两栖微型无人车上,执行监控地面和水面的侦察系统,从采集的视频图像中检测运动目标、自动调整车载云台跟踪运动目标,同时对运动目标进行叁维定位,利用位置信息引导控制两栖微型无人车执行进一步的方案。本文主要对动态背景下的运动目标检测和定位问题进行研究,包括以下几个方面:视觉系统设计与图像处理方面:对视觉系统设计和图像处理技术进行研究为后续工作准备,设计的视觉感知系统采用CMOS传感器+云台+ARM处理芯片+显示器(计算机)解决方案,提出了一种基于速度且无须云台标定的自适应速度调节方法进行稳定地运动目标检测与定位。图像处理技术涉及图像灰度化、二值化、图像去噪、边缘检测以及图像去雾几方面的研究,同时分别给出了相应算法的实验效果。目标检测方面:为实现动态背景下的运动目标检测提出了基于单高斯背景模型的差景法融合连续帧差法的运动目标改进检测算法,给出了基于改进算法的实验结果,并分别与仅利用基于混合高斯背景建模技术的运动目标检测算法和基于单高斯背景模型的差景法算法的实验结果做对比。轨迹预推方面:采用双元热释电红外传感器配备红外透镜组成探测元构成的“米”字型感知结构,接着对感知模型的布局进行研究,确定四台两栖微型无人车布局构成的正方形感知模型能够达到对运动目标轨迹测量的要求,最够详细阐述在该模型下运动目标轨迹预推算法,并通过户外实验验证了算法的有效性和可执行性。目标定位方面:首先明确了实现定位所需的关键信息,在此基础上为了恢复二维图像中丢失的目标深度信息,提出了基于单目测距模型的定位算法以及在提取轮廓完整下的目标定位算法。根据实验结果得出,采用所设计的定位算法可以得到较为准确的位置信息。(本文来源于《中北大学》期刊2019-05-30）
林刚,王波,彭辉,王晓阳,陈思远[10]（2019）在《基于改进Faster-RCNN的输电线巡检图像多目标检测及定位》一文中研究指出针对输电线巡检图像受光线、环境和拍摄角度等因素影响,图像中的电气设备呈现低分辨率和多形态化特征的问题,提出一种基于改进Faster-RCNN的巡检图像多目标检测及定位方法。该方法首先通过区域建议策略网络生成若干目标候选区域;然后基于实际巡检图像样本库,对卷积神经网络进行训练,以改善参数学习效果;最后利用正则化方法优化参数权重,提高检测速度,得到适应巡检图像多形态化特征的改进型Faster-RCNN模型。实际场景数据集测试结果表明,相比于数字图像处理、浅层机器学习、单阶法、双阶法、Mask-RCNN和Local Loss目标检测方法,所提改进型Faster-RCNN能够在不同分辨率和不同位置角度的巡检图像场景下保持较高的识别精度和速度,具有较高的工程实用价值。(本文来源于《电力自动化设备》期刊2019年05期）
目标检测定位论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
车载毫米波雷达以其高带宽、极强的穿透能力,将成为5G时代车联网的重要组成部分。其中,车辆附近目标的高效检测与定位是目前车载毫米波雷达领域亟待解决的重要问题。对车载雷达的发展概况进行简述,总结了车载毫米波雷达领域目标检测与定位技术的概况、技术原理以及存在挑战。此外,提出基于接收信号强度与信号到达角度指纹的目标联合检测与定位技术框架,通过贝叶斯序贯推理框架完成高效目标检测与精确定位。仿真结果显示,所提新框架相较于传统方法在目标检测概率以及定位精度方面有明显提升。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
目标检测定位论文参考文献
[1].刘振耀,李瑞东,潘军道.一种基于目标检测和PnP的移动终端室内定位方法[J].测绘通报.2019
[2].于渊,郑银香,赵成林,魏子平,陶艺文.车载毫米波雷达目标检测与定位技术研究[J].移动通信.2019
[3].杨红娟,高翔,李鉴,马军,汪承灏.快照的时间反转和逆时偏移混合法用于分层介质中的目标检测和定位理论分析[C].2019年全国声学大会论文集.2019
[4].李增祥,漆志亮,贾楠,吴建华.基于小波图像金字塔的工件目标检测与定位研究[J].现代电子技术.2019
[5].丁鹏程,于进勇,王超,柳向阳.目标检测网络在无人机视觉定位的应用[J].兵工自动化.2019
[6].杨书.目标检测中候选区域准确高效定位的机器学习方法研究[D].西安理工大学.2019
[7].吴婷.基于软件模块分析与斑块定位的瓶盖目标检测算法[J].国外电子测量技术.2019
[8].秦雁飞.基于双目视觉及深度学习的采摘机器人目标检测及定位技术研究[D].北京交通大学.2019
[9].刘希宾.基于视觉的运动目标检测与定位技术[D].中北大学.2019
[10].林刚,王波,彭辉,王晓阳,陈思远.基于改进Faster-RCNN的输电线巡检图像多目标检测及定位[J].电力自动化设备.2019
论文知识图
