[发明专利]一种基于卷积神经网络的远场无线充电接收目标检测方法

说明书

本发明公开了一种基于卷积神经网络的远场无线充电接收目标检测方法，该方法通过在远场无线充电的发射端增加摄像头，获取接受端所在区域图像并输入深度卷积神经网络中检测图片中的接收端，提高了发射端与接收端配对的效率，该方法的主要特征在于：深度卷积神经网络用于目标检测，只需摄像头获取画面，准确度依赖算法而不必担心设备误差；以检测时间为指标，优化网络结构提高检测效率；使用图像金字塔的思路，考虑不同特征图的连接，提高了对小目标检测的能力；修改自MaskRCNN网络框架，ResNet101主干网，兼顾检测的准确率与速度；采用先视觉预定位，再激光扫描精定位的方法，将遍历扫描定位的时间缩短到了三分之一。

技术领域

本发明涉及计算机视觉领域，尤其是涉及一种基于卷积神经网络的远场无线充电接收端目标检测方法。

背景技术

近些年电子设备的供电需求不断增长，而电池的续航能力已到达瓶颈，无线充电由此得到越来越多的关注。但传统的无线充电方案，如：磁共振、磁感应和微波充电等，面临着距离、功率、安全性和移动性等方面的挑战。有别与传统充电方案，RBC(Resonant BeamCharging)远场无线充电技术使用激光作为传输媒介，能实现米级距离，瓦级功率的安全、可移动能量传输。

在能量传输链路建立前，RBC的发送端必须知道接收端的位置信息，即明确往哪个方向传输能量。现有的接收端定位方案是一个遍历扫描的过程：发射端通过激光扫描整个场景，当接收端收到激光信号后发送反馈信号给发送端，完成配对。遍历扫描过程的效率很低，一种更高效的方案是先对接收端做预定位从而提高配对效率。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供将计算机视觉中的目标检测方法应用于远场无线充电接收端的定位，提高发发射端与接收端配对的效率：通过摄像头获取接收端场景图片，传入深度卷积神经网络检测，得到可能存在接收端的区域，再对预检测的区域激光扫描确认，从而提高对RBC接收端定位的效率的一种基于卷积神经网络的远场无线充电接收端目标检测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于卷积神经网络的远场无线充电接收端目标检测方法，包括以下步骤：

步骤1：建立手机数据集，并将将手机数据集输入经过设计的深度卷积神经网络进行训练，得到用于检测手机目标的训练完成的深度卷积网络；

步骤2：将训练完成的深度卷积网络嵌入于远场无线充电RBC控制系统中；

步骤3：将摄像头拍摄的画面输入训练完成的深度卷积网络，获取多个手机目标可能存在的位置；

步骤4：对获取到的位置进行激光扫描，判定定位结果是否准确。

进一步地，其特征在于，所述步骤1中的深度卷积神经网络的模型框架内包括RPN层、RoIAlign层、Lossfunction层和ResNet101+FPN层，所述步骤1中的深度卷积神经网络的模型框架基于ResNet101提取图像特征，结合FPN增强对小目标检测，包含特殊设计的RPN层和RoIAlign层。

进一步地，所述RPN层的输入为特征图Feature Maps，输出为类别数k个Anchorboxes的变换矩形参数以及目标得分，所述变换矩形参数包括矩形中心坐标(x，y)以及矩形长h和宽w，其中k为自然数。

进一步地，所述Lossfunction层包括多任务损失函数，其具体公式为：

L＝L_cls+L_box+L_mask

式中，L为多任务损失函数，L_cls为分类误差，L_box为检测误差，L_mask为分割误差。