基于YOLOv5算法的烟囱拆除机器人预留孔圆心定位模型

摘要

利用烟囱壁上的预留孔来实现烟囱拆除机器人的升降锁固，可显著提升烟囱拆除机器人的工作效率。基于深度学习目标检测技术，提出一种烟囱壁预留孔识别与定位方法。首先，基于YOLOv5深度学习网络模型检测预留孔在图像中的大致区域，得到预留孔的粗定位信息，并用高斯滤波法滤除该区域中的孤立点和噪声点；然后，基于预留孔的粗定位信息，利用Canny算子提取预留孔的边缘信息；最后，基于最小二乘的椭圆拟合方法获取预留孔的圆心坐标，实现对预留孔的精确定位，有效减少了目标边缘模糊、相似物干扰、圆形畸变等情况对预留孔定位精度的影响。研究结果表明，YOLOv5s模型的mAP@0.5%达到了99.5%，模型的每帧推理时间为6.5 ms，在仿真环境下圆心定位误差小于0.8 pixel，可有效提高烟囱拆除机器人升降运行的可靠性与效率。

关键词

目标检测 / YOLOv5算法 / 圆心定位 / 圆孔识别 / 机器视觉

基金资助

山西省基础研究计划资助项目（202203021212158,20210302123039）