張舜 郝泳濤

摘要：避障導(dǎo)航是自動(dòng)導(dǎo)引小車領(lǐng)域的重要課題，障礙物檢測(cè)則是其中的重要環(huán)節(jié)。隨著計(jì)算機(jī)視覺的發(fā)展，基于深度學(xué)習(xí)的圖像目標(biāo)檢測(cè)算法已日趨成熟，針對(duì)自動(dòng)導(dǎo)引小車避障檢測(cè)對(duì)精準(zhǔn)性和實(shí)時(shí)性要求都較高的情況，本文搭建深度學(xué)習(xí)模型，使用端到端的物體目標(biāo)檢測(cè)網(wǎng)絡(luò)，對(duì)室內(nèi)環(huán)境下自動(dòng)導(dǎo)引小車可能的工作場(chǎng)景進(jìn)行訓(xùn)練，在速度較快的情況下得到了很高的精準(zhǔn)度。

關(guān)鍵詞：避障檢測(cè);深度學(xué)習(xí);自動(dòng)導(dǎo)引小車;圖像檢測(cè)

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）34-0185-03

無人智能車一直是科研領(lǐng)域的熱門話題，不論在無人駕駛領(lǐng)域，還是在AGV小車領(lǐng)域，避障一直是一個(gè)關(guān)鍵的課題。在無人駕駛的領(lǐng)域研究中，主要有雷達(dá)和攝像頭兩種傳感器，雷達(dá)主要有超聲波雷達(dá)和激光雷達(dá)。雷達(dá)傳感器只能判斷障礙的存在，而不能判別障礙的種類，而且隨著一系列深度學(xué)習(xí)檢測(cè)算法的提出，基于計(jì)算機(jī)視覺的識(shí)別和檢測(cè)的算法的視覺傳感器已經(jīng)逐漸能夠代替雷達(dá)傳感器，基本滿足AGV小車避障檢測(cè)的需求。

傳統(tǒng)的機(jī)器學(xué)習(xí)檢測(cè)方法由以下步驟組成：1）輸入待檢測(cè)圖像，并進(jìn)行相關(guān)的預(yù)處理;2）使用滑動(dòng)窗口方法獲取候選框;3）對(duì)每個(gè)候選框取特征信息;4）使用分類器進(jìn)行判定。這些滑動(dòng)窗口和特征提取相結(jié)合的傳統(tǒng)機(jī)器學(xué)習(xí)算法，在早期取得了比較好的效果，但是其過高的計(jì)算復(fù)雜度、較差的實(shí)時(shí)性都成為限制其發(fā)展的阻礙，并且傳統(tǒng)機(jī)器學(xué)習(xí)算法在應(yīng)對(duì)復(fù)雜情形下的表現(xiàn)差強(qiáng)人意。但自從2012年開始，AlexNet[1]的出現(xiàn)打破了這一現(xiàn)狀，標(biāo)志基于深度學(xué)習(xí)的圖像檢測(cè)算法開始發(fā)展?；谏疃葘W(xué)習(xí)的圖像物體檢測(cè)算法目前有兩條分支。第一條分支的基本原理是先生成候選區(qū)，再對(duì)候選區(qū)提取特征。自R_CNN[2]模型開始，這條分支在精準(zhǔn)度上取得了十足的進(jìn)展;2015年提出的fast R_CNN[3]貝1J結(jié)合了R-CNN和SPP-NETf空間金字塔池化層）[4]的優(yōu)點(diǎn);2015年提出的faster R-CNNc5]結(jié)合了RPN候選框提取，相比于fast R-CNN進(jìn)一步提高了效率;2017年提出的FPN（Feature Pyramid Network）[6]則解決了高層中無法檢測(cè)細(xì)小物體的問題;2017年提出的Mask R_CNN[7]則基于faster R-CNN新增了基于掩碼層的分割分支。另一條分支則通過直接檢測(cè)出物體的種類和位置來實(shí)現(xiàn)端到端的檢測(cè)，相應(yīng)，這種檢測(cè)手段也極大地提高了檢測(cè)的速度。2016年，Red-mon等人發(fā)表了一篇名為：vou look onlv once[8]的文章，標(biāo)志著端到端的目標(biāo)檢測(cè)分支的誕生，相比于faster R-CNN.YOLO具備更快的檢測(cè)速度;隨后在2017年，又提出了一種速度更快、精度更高，并且可以識(shí)別9000種物體的模型YOL09000[9];在2018年，再次提出了基于Darknet-53和多尺度特征的YOLOv3[10]，在精準(zhǔn)度相當(dāng)?shù)那闆r下，YOLOv3的速度是其他模型的至少3-4倍。

綜合上文的分析，我們可以看出，在基于AGV小車對(duì)障礙物檢測(cè)實(shí)時(shí)性要求較高的前提下，YOLOv3在相同精準(zhǔn)度下，具備最快的檢測(cè)速度，故本文擬采用YOLOv3框架來實(shí)現(xiàn)對(duì)AGV小車在室內(nèi)場(chǎng)景下的障礙物檢測(cè)方法的研究。

1 YOLO v3

YOLO是一種端到端的圖像檢測(cè)框架，其核心過程就是將整張圖片作為網(wǎng)絡(luò)的輸入，可以在輸出層直接得到物體的檢測(cè)邊界框，并標(biāo)注其檢測(cè)到得所屬類別。YOLO使用了網(wǎng)格而非傳統(tǒng)的滑動(dòng)窗口，首先將一幅圖片分成S * S個(gè)網(wǎng)格，每個(gè)網(wǎng)格需要預(yù)測(cè)一個(gè)中心點(diǎn)落在這個(gè)網(wǎng)格當(dāng)中的物體;每個(gè)網(wǎng)格需要預(yù)測(cè)B個(gè)邊界框（boundingbox），每個(gè)邊界框都要回歸一個(gè)位置信息，包括x，y，w，h，分別代表坐標(biāo)信息和尺寸信息，同時(shí)還要再輸出一個(gè)置信度值（confidencescore），其計(jì)算的方式如（1）式所示.

如果有物體在一個(gè)單元格（gridcell）中，則Pre（Object）取1，否則取0;第二項(xiàng)則是預(yù)測(cè)的邊界框和實(shí)際的標(biāo)記之間的IOU值。

除了返回位置和置信度信息，每個(gè)網(wǎng)格還需要返回對(duì)每一個(gè)類別的預(yù)測(cè)信息，分別代表對(duì)每個(gè)類別預(yù)測(cè)的概率。如果有C個(gè)類別，則需要輸出C個(gè)相應(yīng)的概率值。也就是說，在一個(gè)劃分為S*S個(gè)網(wǎng)格的網(wǎng)絡(luò)中，每個(gè)網(wǎng)格需要預(yù)測(cè)B個(gè)邊界框，每個(gè)邊界框輸出（x，v，w，h，confidence）五個(gè)維度的信息，并且每個(gè)網(wǎng)格要輸出 C個(gè)類別的預(yù)測(cè)信息，故整個(gè)網(wǎng)絡(luò)最后的輸出為S*S*（5*B+C）的一個(gè)張量。

在測(cè)試的時(shí)候，類別信息與置信度相乘，就可以得到每個(gè)邊界框的類別預(yù)測(cè)的置信度得分如（2）式所示。

得到每一個(gè)邊框的預(yù)測(cè)置信度得分后，過濾掉低于閾值的邊框，對(duì)保留的邊框進(jìn)行非極大值抑制（NMS）處理，就得到了最終的檢測(cè)結(jié)果。

YOLO采用了均方差損失函數(shù)，但是不同的部分要賦予不同的權(quán)重，8維（B=2的情況下）位置信息要賦予比20維（C= 20的情況下）的類別信息更大的權(quán)重。每個(gè)網(wǎng)格都只預(yù)測(cè)一個(gè)物體，選擇IOC最大的邊界框，其他邊界框則認(rèn)為不存在物體。損失函數(shù)如（3）式所示。

在YOLO的基礎(chǔ)上，YOLO v2使用了一個(gè)新的類似于VGG的分類模型，并使用3* 3的過濾器，每次池化后都增加一倍的通道數(shù)量，通過使用全局平均池化、批量標(biāo)準(zhǔn)化來讓訓(xùn)練更加穩(wěn)定，加速收斂，使模型規(guī)范化。而YOL0 9000則利用同時(shí)優(yōu)化檢測(cè)和分類功能來支持實(shí)時(shí)地檢測(cè)9000種物體分類。

YOLOv3相比于前幾代，做出的了如下的改動(dòng)：1）采用了多尺度預(yù)測(cè)（類FPN）;2）采用了類似于ResNet的darknet-53和殘差網(wǎng)絡(luò);3）使用logistic分類器代替softmax分類器。其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。YOLOv3繼續(xù)采用了YOLOv2中的K-means聚類的方式來做Anchor Box的初始化，YOLOv3在COCO數(shù)據(jù)集上，在輸入尺寸為416*416的情況下，得到了9種聚類結(jié)果：（10*13）; （16*30）; （33*23）; （30*61）; （62*45）; （59*119）; （116*90）;（156*198）; （373*326）。因?yàn)榈蛯拥恼Z義信息比較少，但是位置目標(biāo)信息相對(duì)較為精確;而高層語義信息豐富但位置信息卻比較粗略，故而YOLOv3采用多尺度特征的方法（類似于FPN），把1-26層卷積為stagel，27-43層卷積為stage 2，44-52層卷積為stage 3。低層卷積負(fù)責(zé)檢測(cè)小目標(biāo)物體，高層卷積負(fù)責(zé)檢測(cè)大目標(biāo)，每個(gè)stage檢測(cè)三個(gè)先驗(yàn)框（anchorbox），13*13對(duì)應(yīng)（116*90）， （156*198）， （373*326），26*26對(duì)應(yīng)（30*61）， （62*45），（59*119），52*52對(duì)應(yīng)（10*13），（16*30），（33*23），每個(gè)stage最終的預(yù)測(cè)值為S*S83*（4+1+B）大小的張量，B為類別數(shù)。YOLOv3使用了Dark-net-53來提取網(wǎng)絡(luò)特征，不同于YOLOv2使用的Darknet-19.Darknet-53使用了一個(gè)53層的卷積網(wǎng)絡(luò)，采用了一連串3*3、l{1卷積;還包含5層殘差網(wǎng)絡(luò)層。第75到105層為YOLOv3的特征融合層，將三種尺度特征圖的局部特征融合。

相比于前幾代，YOLOv3在處理速度上和精度上都得到了提升，并且模型也更加復(fù)雜，并且可以支持改變模型結(jié)構(gòu)大小來權(quán)衡速度與精度。故而我們采用YOLOv3來實(shí)現(xiàn)本文章中的實(shí)驗(yàn)。

2 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)平臺(tái)的硬件配置采用InteI（R） Core i5-4750，主頻為3.20GHz，搭配16G內(nèi)存，GPU采用GeForce RTX 2080顯卡。實(shí)驗(yàn)中的YOLOv3網(wǎng)絡(luò)框架的搭建采用Darknet。實(shí)驗(yàn)數(shù)據(jù)采集白本實(shí)驗(yàn)室內(nèi)和走廊的AGV小車的當(dāng)前研究階段的移動(dòng)環(huán)境。

實(shí)驗(yàn)結(jié)果的評(píng)價(jià)標(biāo)準(zhǔn)采用mAP（mean Average Precision）和recall（召回率）來定量評(píng)價(jià)障礙物目標(biāo)的檢測(cè)性能。

IoU展示了算法預(yù)測(cè)出來的目標(biāo)框與原來圖片中標(biāo)記的框的重合程度，計(jì)算公式如（4）式所示。

使用IoU判斷目標(biāo)檢測(cè)是否被正確檢測(cè)，需要設(shè)置一個(gè)閾值。通常將這個(gè)閾值設(shè)為0.5或0.75，如果IoU大于閾值，可以認(rèn)為檢測(cè)是正確的，反之則是錯(cuò)誤的。根據(jù)IoU與閾值比較，可計(jì)算出每個(gè)類的正確檢測(cè)次數(shù)，計(jì)算公式如（5）式所示。

因?yàn)樵诒苷蠙z測(cè)中，小車只需要識(shí)別障礙物的位置信息和類別的粗略信息，故本實(shí)驗(yàn)類別設(shè)定為兩類（column和cube），結(jié)果如圖2所示。經(jīng)過對(duì)測(cè)試集的計(jì)算，column（圓柱類障礙物）類別的AP值為0.878，cube（立方體類障礙物）類別的AP值為0.967，得到mAP的值為0.923，可以看出平均識(shí)別精準(zhǔn)度是很高的。

圖3表示Region分別為94（中型物體）和106（大型物體）的Loss、IoU、Recall（IoU閾值為0.75）曲線，可以看出模型的平均損失在隨著訓(xùn)練集數(shù)據(jù)的增加逐漸減小，并且在IoU=0.75、Region=94/106的情況下，Recall值均能達(dá)到1，說明YOLO v3對(duì)于在室內(nèi)AGV小車的障礙物檢測(cè)上能夠達(dá)到很好的檢測(cè)效果。

3 結(jié)束語

本文我們使用了YOLO v3來實(shí)現(xiàn)室內(nèi)AGV小車的障礙物檢測(cè)。實(shí)驗(yàn)表明YOLO v3模型對(duì)于室內(nèi)ACV小車的障礙物檢測(cè)是有效的，這會(huì)有助于我們?cè)贏GV小車避障導(dǎo)航領(lǐng)域的進(jìn)一步研究。未來我們將嘗試更復(fù)雜的室內(nèi)環(huán)境和更多類型物體的檢測(cè)，進(jìn)一步提高檢測(cè)精度和檢測(cè)速度，實(shí)現(xiàn)能夠充分滿足AGV小車工作環(huán)境的避障系統(tǒng)。

參考文獻(xiàn)：

[1] Krizhevsky A，Sutskever I.Hinton G.ImageNet Classifica-tion with Deep Convolutional Neural Networks[C]/ NIPS. Cur-ran Associates Inc. 2012.

[2] Girshick R，Donahue J，Darrelland T，et al.Rich feature hi-erarchies for object detection and semantic segmentation[C]/2014 lEEE Conference on Computer Vision and Pattern Rec-ognition. IEEE， 2014.

[3] Girshick R.Fast R-CNN[C]/ 2015 lEEE International Confer-ence on Computer Vision （lCCV）. lEEE， 2016.

[4] He K，Zhang X，Ren S，et al.Spatial Pyramid Pooling inDeep Convolutional Networks for Visual Recognition[J]. IEEETransactions on Pattern Analysis and Machine Intelligence，2015， 37（9）：1.

[5] Ren S，He K，Girshick R.et al.Faster R-CNN： TowardsReal-Time Object Detection with Region Proposal Networks[J]. IEEE Transactions on Pattern Analysis&Machine Intelli-gence， 2015， 39（6）：1137-1149.

[6] Li H，Xiong P，An J，et al.Pyramid Attention Network forSemantic Segmentation[J]. 2018.

[7] He K，Gkioxari G，Dollar P，et al.Mask R-CNN[C]// 2017lEEE International Conference on Computer Vision （ICCV）.IEEE Computer Society， 2017.

[8] Redmon J ， Diwala s . Cirshick R ， et al. You Only LookOnce： Unified， Real-Time Object Detection[C]/ 2016 IEEEConference on Computer Vision and Pattem Recognition（CVPR）. lEEE Computer Society， 2016.

[9] Redmon J ， Farhadi A. [IEEE 2017 IEEE Conference on Com-puter Vision and Pattem Recognition （CVPR） - Honolulu， Hl（2017.7.21-2017.7.26）] 2017 lEEE Conference on ComputerVision and Pattern Recognition （CVPR） - YOL09000： Better，F(xiàn)aster， Stronger[J]. 2017：6517-6525.

[10] Redmon J ， Farhadi A. YOLOv3： An Incremental Improve-ment[J]. 2018.

收稿日期：2019-08-20

作者簡(jiǎn)介：張舜（1992-），男，遼寧盤錦人，碩士，主要研究方向?yàn)橛?jì)算機(jī)圖形學(xué)，圖像處理等;郝泳濤（1973-），男，山東威海人，教授，博士生導(dǎo)師，研究方向?yàn)槠髽I(yè)信息集成系統(tǒng)，知識(shí)處理與挖掘，智能設(shè)計(jì)，分布式智能系統(tǒng)和虛擬現(xiàn)實(shí)技術(shù)等。