基于多模态视觉自注意力机制的机器人目标识别研究

来源：计算机测量与控制杂志2026年第7期北京时间：

作者：马文静,李亚哲,高军亮

单位：郑州大学

摘要：针对现有机器人目标识别算法存在的目标识别精确率低、虚警率过高等不足,在多模态条件下设计一种视觉自注意力机制网络模型。先基于动态窗口设计了机器人的运动模型,采集多模态数据并数据进行配准预处理,基于评价函数评估机器人运动姿态精度。然后引入了CNN网络模型作为注意力模块的骨干网络,提升注意力机制网络模型的训练能力和数据处理能力,通过位置编码提取关键特征信息,最后基于双门控机制进一步提升机器人目标识别算法的识别精度和特征提取能力。实验测试结果显示,在无遮挡和有遮挡两种情况下提出识别算法测试集的识别精确率、虚警率分别为99.1%,0.4%,98.0%,1.0%,均显著优于现有的识别算法。通过消融实验验证了模型的多次改进对模型性能提升的贡献率。

关键词：多模态;视觉注意力机制;机器人目标识别;CNN;门控机制

基金资助：郑州市社会科学调研课题 项目编号：ZSJX20250794