《多受电弓关键点数据集标注与数据转换算法设计》3300字.docxVIP

多受电弓关键点数据集标注与数据转换算法设计

目录

TOC\o1-3\h\u31395多受电弓关键点数据集标注与数据转换算法设计 1

26451.1EPnP算法原理 1

96581.2Labelme标注受电弓关键点 3

本项目旨在设计一种基于CenterNet神经网络结构的关键点定位方法，用于高铁受电弓的位姿估计。CenterNet神经网络是一个基于Anchor-free的目标检测算法，该算法是在CornerNet算法的基础上改进而来的，基本原则是，构建模型时以目标为点，即目标中心。目标检测器利用关键点位置估计找到目标的中心，并返回其他目标属性，如尺寸、三维位置、方向乃至姿态。由于该模型是端到端可微的，有效地提高了识别的速度和准确率。与单阶段的目标检测算法yolov3相比，该算法在保证精度的前提下可提高4%。与其他单阶段或双阶段目标检测算法相比，该算法具有以下优点：

（1）该算法去除了低效复杂的Anchors操作，进一步提高了检测算法性能；

（2）CenterNet算法可以直接在热力图上进行过滤操作，去除耗时的后处理操作，进一步提升了整个算法的运行速度；

（3）这些算法不仅适用于二维目标检测，而且也适用于简单的修改，如三维目标检测和人体关键点检测，即具有很好的通用性。

本章将首先介绍该网络数据集标注的理论依据，由于本项目实现基于深度学习的关键点定位方法