面向装卸机器人纸箱图像数据集的构建方法

摘要

智能装卸机器人是提升物流运输任务的重要方法，为此，针对纸箱检测缺乏大型标注数据集，提出了一种基于深度学习的图像合成方法来快速获取标记数据集，解决不同物流场景下的纸箱的检测问题。该方法从源域中提取纸箱的堆叠形式作为模板，采用目标数据集的纹理替换源数据集的前景纹理，通过局部曲面分割算法提取纸箱堆叠框架，提出了不可见轮廓重建算法来完成纸箱轮廓的识别。该方法可以在保持前景对象和关系不变的情况下增强目标数据集，并通过Faster R-CNN和RetinaNet上的实验结果证明了所提方法的有效性。

关键词

装卸机器人 / 合成数据 / 纸箱检测 / 局部曲目分割