论文部分内容阅读
随着人工智能的快速发展,机器人领域的一些先进技术的发展和进步已经对许多工业生产和社会发展做出了巨大的贡献。移动机器人的自主性是一个关键问题,一个完全自主的移动机器人必须具备对环境信息的认知能力以及遇到障碍物时的避障能力,因此,多目标识别就变得非常关键。论文借鉴先进的深度学习研究成果,优化并应用于ROS平台的移动智能体。以YOLO网络结构为基础,结合移动智能体的处理平台以及移动过程中实时性的要求,对网络模型进行改进优化。改进后的网络在确保精确度的前提下显著提高处理帧率,满足移动智能体的实时性要求。