基于主动视觉方法的墙面缺陷检测方法研究

• 作 者: 蔡菥
• 出 处: 电子科技大学
• 发表日期: 2020年01期
• 关键词: 室内装修机器人 主动视觉方法 墙面缺陷 注意力机制

近些年来,由于劳动力成本的不断攀升与机器人技术的迅速发展,越来越多的行业都迫切需要机器人的加入。我国是一个高速发展的发展中国家,对美好生活的向往是每个人的基础要求。人民对精装修房屋的需求越来越高,国家对于未来绿色建筑、全装修建筑、装配式建筑、建筑预制件的使用等相关技术的普及制定了路线图。在这一背景下,建筑装修的施工模式逐渐向专业化、机械化、自动化的方向转变。墙面缺陷检测任务来自自主装修机器人对墙面施工的过程。装修机器人对墙面进行粉刷前,需要先检测墙面的状态,发现墙面存在的某些问题,如凸包、凹陷和裂缝等。生物学研究已经证明,我们人眼观察事物并不是将注意力均衡的分摊到整个视野里,而是将目光按照某种次序进行扫描,从一个区域移到另外一个区域,在对整体的视野把握下找到感兴趣的区域。但是目前主流的目标检测算法并不是使用这样的方式,而是通过包含精确目标框标注的全图进行训练,这样“被动”的处理图像。一方面,目标框的精确标注大量耗费了资源;另一方面,在某些目标检测任务中并不需要精确的目标框。基于上述背景,本论文围绕主动视觉模型展开研究。通过分析目标检测算法研究现状,针对墙面缺陷检测实际任务,提出了基于主动视觉方法的模型,取得以下成果:(1)提出了基于强化学习的主动视觉方法。通过在回复式注意力模型中加入先验与多层循环神经网络,改进了回复式注意力模型,令网络达到更高精度的同时更快收敛,使得网络模型能够应用到实际环境中。(2)提出了一种基于注意力模型的墙面缺陷检测方法。使用预训练的注意力模型,使用基于循环神经网络的记忆力与分类模块,使得网络能够在移动平台中使用,在消耗少量计算资源的情况下能够完成缺陷检测任务。(3)提出了一种基于主动视觉模型的墙面缺陷检测方法。通过使用基于强化学习、多层循环神经网络、高斯先验与卷积神经网络的主动视觉方法,使得网络能够快速的在机器人操作环境中检测到墙面缺陷,并取得较好的准确率。