-
题名一种基于改进YOLOv7的相机标定特征点检测方法
被引量：1
- 1
-
-
作者
陈松
闫国闯
马方远
王西泉
田晓耕
-
机构
西安交通大学复杂服役环境重大装备结构强度与寿命全国重点实验室
中国兵器工业试验测试研究院
-
出处
《兵器装备工程学报》
CAS
CSCD
北大核心
2024年第8期151-160,共10页
-
基金
国家级科研项目。
-
文摘
在基于视觉方法的军事目标检测等技术中,相机的精确标定是进行目标高精度测量的前提,同时也是开展后续图像处理、目标跟踪、三维重建的基础。相机标定的关键在于准确的检测图像中的标定特征点。以当前使用范围较广的棋盘格标定法为对象,针对受干扰(模糊、重噪声、极端姿态和大镜头失真)的标定图像难以进行特征点提取的问题,提出一种融合改进YOLOv7-tiny深度学习网络和Harris角点检测的相机标定特征点检测算法。针对原始网络在相机标定特征区域检测中的各种问题,引入Gather-and-Distribute信息聚合分发机制替换YOLOv7-tiny的加强特征提取网络(FPN)部分,提高不同层之间特征融合的能力;在主干特征提取部分后加入Biformer注意力机制,提高对小尺寸特征点候选区域的捕捉能力;在Head部分使用改进Efficient Decoupled Head解耦头,在提高精度的同时维持了较低的计算开销。测试结果表明,改进后的YOLOv7-tiny网络对特征点候选区域检测的准确率有显著的提高,达到95.3%,证明了改进后网络的有效性和可行性。
-
关键词
相机标定
深度学习
YOLOv7-tiny
信息聚合分发机制
注意力机制
HARRIS算法
-
Keywords
camera calibration
deep learning
YOLOv7-tiny
gather-and-distribute mechanism
attention mechanism
Harris algorithm
-
分类号
TP24
[自动化与计算机技术—检测技术与自动化装置]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
