基于改进SSD-MobileNet算法的AGV动态目标检测方法

摘要

为了提升自动导引运输车(automated guided vehicle, AGV)动态障碍物视觉检测的精度和帧率，提出了一种基于单镜头多盒检测器(single shot multibox detector, SSD)的改进算法。将轻量级MobileNet网络引入到SSD网络结构中，然后利用K-means算法对训练数据集中真实框的AR值进行聚类并更新，最后利用Jeston Nano嵌入式平台搭建了AGV实验系统，引入TensorRT加速引擎，分别对改进前后的SSD-MobileNet模型进行加速优化，并对比分析。结果表明：改进的SSD-MobileNet模型在AGV上使用TensorRT加速引擎的mAP值为79.1%,相比优化前提升了10.8%,对精度影响很小，而帧率达到了25 f/s,较原SSD模型提升了近4倍，且改进后模型规模也比优化前缩小了37%。采用改进算法能够使AGV在运输过程中完成动态障碍物检测任务，可代替人工实现货物高效运输，并节省运输成本，为智能化运输提供了一种新的思路。

关键词

计算机感知 / 动态目标检测 / SSD-MobileNet改进算法 / K-means聚类算法 / TensorRT加速引擎