[发明专利]一种基于深度学习技术的双目标定系统

权利要求书

1.一种基于深度学习技术的双目标定系统，其特征在于：包括参数学习阶段和应用阶段；所述的参数学习阶段包括：一、目标检测模型：

1.采用平行式双目摄像头进行数据提取，对每一个需要标定的时间点拍摄一组两张相片；

2.分别应用目标检测算法SSD对同一组的两张相片进行目标检测训练，训练数据中已经对相片中的目标进行标识，训练的目标函数为,其中：T为标识的目标参数，P为检测出的目标参数，目标的参数包括目标轮廓，fsize为目标参数数量，bsize为一个批次中目标数量；

3.获得目标检测模型M_od；

4.目标同步：由于目标在同一组两张相片中分别被检测出，因此要对两张相片中同一目标进行对应；

二、标定系统模型：

1.将已经检测出的目标的参数作为标定系统的输入，其中每一个目标包含两张相片中的轮廓参数；

2.构建三层双向循环神经网络（RNN）作为标定系统模型，产生一组输出序列，该输出序列每一个元素为标定目标参数；

3.标定系统目标函数为,其中：T为标识的目标参数，P为标定出的目标参数，目标的参数包括标轮廓对应的三维坐标｛x，y，z｝，bsize为一个批次中目标轮廓数量；

4.获得标定系统模型M_ca；

三、目标抓取点识别模型：

1.将已经标定的目标数据成组分别输入抓取点识别模型，一个目标的轮廓三维坐标数据作为一组输入；

2.采用多层感知机（MLP）作为识别模型，通过5层网络，输出目标的抓取点三维坐标；

3.抓取点识别模型目标函数为,其中T为标识的目标抓取点坐标，P为识别出的目标抓取点坐标，三维坐标表示为｛x，y，z｝，bsize为个批次中标数量；

4.获得抓取点识别模型M_gr；

所述的应用阶段包括目标位置标定：

1.根据双目摄像头拍摄目标，得到一组两张图片P1,P2；

2.将P1，P2分别输入目标检测模型,获得两组预测目标O₁=o_1，1，o_1，2，……o_1，n和O₂=o_2，1，o_2，2，……o_2，n；

3.将O₁,O₂中内容按照目标进行同步；

4.将｛O₁,O₂｝输入目标定系统模型M_ca，输出对应目标的轮廓三维坐标｛P_x，1，P_y，1，P_z，1｝，｛P_x，2，P_y，2，P_z，2｝...｛P_x，m，P_y，m，P_z，m｝,m为目标的轮廓点数量；

5.将每个目标的轮廓三维坐标｛P_x，P_y，P_z｝输入抓取点识别模型M_gr，输出对应目标的抓取点坐标｛T_x，T_y，T_z｝。

2.根据权利要求1所述的一种基于深度学习技术的双目标定系统，其特征在于：所述的标检测模型采用平行式双目摄像头进行样本采集，目标在两张相片上的排列顺序是一致的，采用动态规划算法进行目标同步。