南京航空航天大学学报

作者：张睿，王尧尧，段雅琦，陈柏

单位：南京航空航天大学机电学院,南京210016；,南京航空航天大学机电学院,南京210016;浙江大学流体动力与机电系统国家重点实验室,杭州310027；,中国兵器工业集团航空弹药研究院有限公司,哈尔滨 150046；,南京航空航天大学机电学院,南京210016；

关键词：飞行机械臂;YOLOv5;RGB-D;目标检测;模型量化;位姿估计

基金：国家自然科学基金 （52175097）；南京航空航天大学基本科研业务费（NS2021033）。

飞行机械臂要完成自主抓取的任务，对目标物的识别与定位尤为关键。当前飞行机械臂视觉识别算法多采用传统的特征提取等方法。为提升目标物识别及定位的精度和效率，本文设计了一种基于YOLOv5深度学习目标检测算法和RGB-D传感器的视觉识别与定位算法，该算法可以实时检测目标物并对其位姿进行估计，为飞行机械臂的抓取工作服务。同时针对深度学习算法计算量庞大，在嵌入式端无法实现高性能实时检测的问题，引入了模型量化技术优化算法，大幅提升算法推理速度。本文介绍了算法的整体框架及实现过程，利用COCO数据集和动作捕捉系统分别验证了目标检测和位姿估计部分算法的有效性。

来源：2022年第1期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2022年第1期