基于改进YOLOv4-Tiny的机械零件目标检测算法

随着智能化生产的普及,机械零件的智能装配技术受到广泛关注,为了改善传统特征提取算法中检测误差大、精度低等问题,以常见机械零件为研究目标,结合深度学习算法中的轻量级网络为基础模型进行优化,使用YOLOv4-Tiny中的CSP-Darknet53作为特征提取网络,在特征提取网络后添加改进后的MA-RFB模块,引入多分支卷积和空洞卷积加强感受野。并对颈部网络进行改进,选择PANet代替FPN,并添加注意力模块CBAM,形成CM-PANet对零件目标进行多尺度检测,在自制的零件数据集AP达到96.47%,检测速度达到0.001 38 s每样本。相比于原版YOLOv4-Tiny网络AP提高了2.80%,改进后的算法在速度和精度达到了一个平衡,体现了研究的理论和应用价值。     

移动机器人视觉SLAM回环检测现状研究

同步定位与建图(Simultaneous Localization and Mapping, SLAM)是移动机器人实现自主定位与导航的关键技术，已成为该领域研究的热点。视觉SLAM是指相机作为仅有的外部传感器，进行同步定位与建图的技术，随着计算机视觉的迅速发展，视觉SLAM因为信息量大、成本低廉、适用范围广和可提取语义信息等优点受到广泛关注，而回环检测(Loop Closure Detection, LCD)作为其重要的一个环节，受到学者的广泛研究。对视觉SLAM系统进行简单概述，对LCD的原理、传统的LCD算法分类和主流的LCD算法进行总结归纳，介绍了LCD的性能评估标准，对LCD当前面临的挑战及未来前景进行展望。