科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对移动机器人障碍物检测时图像存在遮挡、模糊以及背景复杂情况下检测精度低、速度慢的问题，提出一种改进YOLOv4的移动机器人环境感知方法。首先将YOLOv4主干特征提取网络替换为Ghostnet轻量型网络结构，降低了网络的计算成本；其次在特征提取网络中加入了空间可分离残差融合结构，提高了目标检测的精度；最后在移动机器人上验证改进的障碍物检测算法。结果表明，改进的模型mAP达到了91.7%，帧率高达40.1 FPS，权重降低了70%，对多目标、重叠目标、模糊目标的检测效果更好，满足了移动机器人障碍物检测的实时性和准确性要求。
- 出版日期2023
- 单位机电工程学院; 河南科技大学
