公共场所下消毒目标检测与定位技术研究.pdf

摘要

自新型冠状病毒爆发以来，疫情一直处于反反复复的状态，日常防护已经成为人

们生活中必不可少的一部分。为了更好地切断传播链，日常消毒也成为了公众场所必

不可少的工作。随着科学技术的发展和普及，新型防控方案的探索和实施成为必然趋

势。研究消毒机器人、实现针对性的目标检测和自动化的消毒作业能够避免过度消毒

的情况；定时定点的消毒能够有效提高防疫效率、节省人工成本。为此，本文对消毒

机器人的目标检测与定位技术进行研究，为机器人定位消毒提供支持，主要完成的研

究内容和工作有：

1）优化MaskR-CNN网络进行消毒目标的检测与实例分割。第二章分析了神经

网络与卷积神经网络的基本组成、作用原理；结合需求应用MaskR-CNN网络对消毒

目标进行迁移学习，实现消毒目标的检测与分割，并对MaskR-CNN网络进行优化，

检测速度得到提升的同时减小了网络训练模型。

2）对Kinectv2中深度相机和彩色相机进行标定并获取消毒场景的点云，结合实

例分割结果获取消毒目标的点云。第三章分析Kinectv2传感器的基本结构及相机成

像、单目标定的基本原理，实现了相机内参数和畸变参数的求解；接着分析了双目标

定原理，实现了彩色相机与深度相机之间的结构参数的求解；利用内参数与结构参数，

将深度相机坐标下的点重投影至彩色图像的掩膜上，结合实例分割的结果实现消毒目

标点云从场景点云中分割出来；最后，提出非极小值抑制算法和点云边缘滤波算法对

分割出来的目标点云进行处理，获得消毒目标的初始点云。

3）消毒目标的点云拼接及包围盒优化并给出末端消毒行径路线方案。第四章分析

了已知多对匹配点的情况下，其刚性变换的基本求解过程；然后通过SAC-IA采样一

致性粗配准和ICP精配准方法，实现不同视角下同一目标的点云拼接，最终获取完整

的消毒目标点云；接着求解消毒目标的支撑平面，并基于主成分分析法进行消毒目标

的包围盒的优化，确定消毒范围；最后根据支撑平面与优化后的包围盒计算消毒末端

的姿态并制定其行径路线方案。

4）试验结果与分析。本文分别进行了MaskR-CNN网络性能实验分析，Kinectv2

相机标定重投影误差分析，消毒目标空间信息的深度与测量误差分析以及包围盒优化

效果分析。其中，优化后的MaskR-CNN对消毒目标检测的mAP达0.943，实例分割

I

的平均IoU达0.850，检测及分割效果都较好，相比原网络检测速度加快了27.564%，

模型大小减小了30.327%；基于Kinectv2相机标定前后在1m和2m范围内的重投影

误差分别减小了21.100mm和23.041mm；获取到的消毒目标平均深度误差为

25.356mm，平均测量误差为4.376mm，目标包围盒的表面积和体积的优化率分别达到

29.2%和28.8%。试验结果表明，本研究能有效地实现消毒目标的检测与空间定位，有

效缩小消毒范围，提高消毒作业效率。

关键词：消毒机器人；视觉检测；实例分割；目标定位；深度相机标定

II

英文缩略词

英文缩写英文全称中文全称

SAC-IASampleConsensusInitialAligment采样一致性初始配准

ICPIterativeCloestPoint迭代最近邻点

RANSACRandomsampleconsensus随机采样一致性

PCAPrincipalComponentAnalysis主成分分析

mAPmeanAveragePrecision平均精度均值

IoUIntersectionoverUnion交并比

SVDSingularValueDecomposi