室内环境下基于R-CNN的光照自适应物体检测

来源：计算机工程与应用杂志2019年第2期北京时间：

作者：董 静1，耿 达2，郭迎港2，孙凤池2

单位：1.天津财经大学 理工学院，天津 300222；2.南开大学 软件学院，天津 300071

摘要：物体检测是工作于室内环境的移动机器人必须解决的问题。物体检测受到环境动态变化的影响，其中尤以光照变化的影响最为明显。分析室内环境中光照变化特点，研究如何通过提取图像空间特征快速识别环境中光照状况，并以光照识别结果控制物体检测模式切换，在不同光照状态下，自适应地选择使用图像传感器或者激光传感器数据，结合深度学习的特征选择能力，保证物体检测性能。机器人运行时，首先通过提取图像在CIEXYZ空间Y分量上的统计特征，并结合一些其他特征，实现快速地对图像拍摄时所处环境的光照状态进行估计；在光照适中的情况下，利用R-CNN算法结合移动机器人特点，实现在图像空间下的快速物体检测；在光照不足或过强时，先把三维激光传感器获取的点云转换成深度图像，再利用R-CNN算法实现物体检测。实验结果表明了所提出算法的有效性。

关键词：智能机器人,物体检测,深度学习,R-CNN算法,深度图像