随着深度学习的不断发展,物品检测模型的精度和速度得到大大提高,为家庭服务机器人执行物品识别任务提供了强有力的工具.常见的物品检测模型(如R-CNN、fast-rcnn、SSD等)能够实现某一类物品的检测,但是难以直接检测某一个指定物品.针对这一局限性,本文在物品检测模型SSD的基础上进行改进,同时提出一种物品相似度匹配算法.该方法首先构建物品检测模型SSDI,用于捕获待测物品的区域图像,然后使用一个预训练的152层残差网络分别对该区域图像和目标物品图像进行特征提取,通过计算两个图像特征的相似度来判断是否检测到指定物品.本文在真实环境下进行了大量实验,检测平均正确率达98％以上.实验结果表明,本文提出的方法能够完成实例物品检测任务,进一步提高了服务机器人感知环境的水平和服务能力.
NETL
