基于改进YOLOv5的室内楼梯检测方法研究

来源：计算机测量与控制杂志2024年第9期北京时间：

作者：韩飞燕,赵伟,吴子英

摘要：移动机器人视觉SLAM的楼梯建图过程需要对楼梯特征进行检测识别，传统的边缘检测、直线提取等楼梯检测技术往往视角较为理想、背景较为简单，无法实现栏杆遮挡、复杂背景下的楼梯特征提取。为了解决以上问题， 提出了一种可用于移动机器人的改进YOLOv5的楼梯目标检测方法，在输入端引入FenceMask数据增强策略，增加对遮挡楼梯的训练样本数量。通道注意力模块CAM与空间注意力模块SAM采用并行连接的方式组成注意力模块CBAM，加强在复杂环境下对楼梯的特征提取能力。在预测端将NMS与WBF结合，将NMS筛选之后置信度较高且位置相邻的边框进行融合为新的边框，在满足精度要求的情况下改善了Faster-RCNN与SSD检测算法存在的单段多阶楼梯检测速度问题。仿真表明改进的YOLOv5s可以在模型大小18.4MB的情况下达到82.9%的平均精度，改进的YOLOv5m在增大模型为45.5MB的情况下平均精度提高为86.5%，均可有效识别栏杆遮挡、复杂背景以及单段长阶梯。

关键词：机器视觉;楼梯目标检测;YOLOv5;CBAM;边框融合