港口集装箱自主识别定位技术

关键词：集装箱 双目视觉 深度学习 三维定位 

摘要：针对港口集装箱自动装卸问题,结合双目视觉和深度学习技术,设计了一种基于Faster R-CNN(faster regions with convolutional neural network)模型的集装箱三维识别定位方法。首先利用双目摄像头采集装箱图像,用于训练Faster R-CNN模型,然后使用该模型检测图像中的集装箱目标,对识别出的目标添加矩形框,并提取其中心点图像坐标,接着通过对双目摄像头进行标定和匹配,获取集装箱矩形框中图像坐标点的深度,实现对集装箱的三维定位,最后将集装箱的三维坐标转换到轮胎吊吊具坐标系下,获得所有集装箱目标中心和吊具中心距离。实验结果表明,系统运行速度可以达到30 fps,平均定位误差在5 mm以内,系统可以有效解决集装箱三维实时识别和定位问题,提升港口集装箱自动化装卸能力。

集美大学学报·自然科学版杂志要求:

{1}参考文献应为公开出版物。引用文献须按引用的先后，在正文中有关处用［1］，［2］…标明，序号与全文末的参考文献必须一致。

{2}本刊强调研究成果的原创性和学术价值，所有来稿要求查重率控制在10%以下。其中，只限专业领域通用词汇的表述部分，不能存在完整句子的复制现象，核心观点严禁有任何重复（含自引）。

{3}来稿请用Word和pdf格式各发送一份。电子稿件“发件人”一栏需填写作者真实姓名，“主题”一栏为文章题目。来稿一律不退，请自留底稿。

{4}正文中表示标题级别的序号形式，一般从大到小依次为：“一”“（一）”“1”“（1）”“①”等。可以根据标题的实有级别，跳过某些形式的序号。

{5}为便于匿名审稿，请另页注明作者姓名、性别、出生年份、最后学位、职称、工作单位、通讯地址，电话号码、E-mail等。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社