基于YOLOv5与RGB-D融合的交通锥桶识别与定位方法研究

摘要

针对有交通锥桶的施工与测试场景中，需实时检测交通锥桶并估算其三维位置，且在复杂光照及遮挡环境下易出现误检与漏检的问题，提出一种YOLOv5与RGB-D深度融合的锥桶识别与定位方法。首先，采集并标注了863张涵盖多光照、多角度、多背景的锥桶图像，按8∶2比例划分为训练集与验证集，通过数据增强、超参数调优以及早停训练策略得到最优模型权重；其次，将训练好的模型部署至Intel RealSense D435相机，实现RGB图像与深度帧的同步获取与空间对齐；最后，在检测框中心区域提取深度信息，并结合相机内参进行反投影计算，完成三维坐标估计。结果表明：所提方法检测精度高(Precision≈99.8%,Recall≈99.6%,mAP@0.5≈99.5%),处理速度约26 FPS(即每帧约37 ms),平均定位误差小于5 cm,且在强光、阴影、局部遮挡等复杂条件下仍表现稳定。所提方法实现了交通锥桶二维检测与三维定位的一体化，在保证较高检测精度的同时兼顾了实时性与定位准确性，可为交通锥桶感知研究提供参考。

关键词

计算机感知 / 交通锥桶检测 / 三维定位 / 深度估计 / 实时定位

基金资助

国家自然科学基金(62403350,62373269)