关键词：双目视觉;目标检测;立体匹配;立体深度估计;目标定位;深度学习;注意力机制
摘 要：通过机器视觉算法对目标进行识别并定位其空间坐标是实现机械臂视觉抓取的关键。针对基于双目视觉的目标识别与定位中定位精度低、运行效率不高等问题，提出了面向机械臂抓取的BDS-YOLO(Binocular Detect and Stereo YOLO)双目视觉目标定位算法。它联合目标检测与立体深度估计算法，使用注意力机制进行跨视图特征信息交互，提高特征表达能力，使网络可以通过深度特征匹配获得高质量视差图，经过自注意力机制进一步提升后，由三角测量原理转换为深度信息。网络采用多任务学习，同时训练目标检测与立体深度估计网络，并使用合成与真实数据共同训练。针对真实数据不易标注密集深度问题，采用自监督学习技术，优化由视差重建图像的过程，提高网络对现实世界的泛化能力。实验结果表明：该网络对目标检测的精度相较于YOLOv8l在真实数据集上提升6.5个百分点，预测的视差和转换后的深度优于专门的立体深度估计算法，推理速度可达20 frame/s，并且对目标对象识别和定位均优于其他的方法，提出的网络能较好地完成目标实时检测与定位的需求。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取