《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 人工智能 > 設(shè)計(jì)應(yīng)用 > 基于YOLOv5的姿態(tài)交互球類陪練機(jī)器人
基于YOLOv5的姿態(tài)交互球類陪練機(jī)器人
2022年電子技術(shù)應(yīng)用第1期
曾楊吉，劉自紅，蔡 勇，郭星辰，莫金龍
西南科技大學(xué) 制造科學(xué)與工程學(xué)院，四川 綿陽(yáng)621000
摘要： 針對(duì)當(dāng)下球類陪練機(jī)器人人機(jī)交互能力不足的問題，提出一種基于樹莓派和YOLOv5目標(biāo)檢測(cè)算法的新型人機(jī)交互模式，使機(jī)器人實(shí)現(xiàn)前進(jìn)、后退、左移、右移、拋球、踢球6種不同的動(dòng)作；通過對(duì)在3種不同環(huán)境(室內(nèi)、室外晴天、室外陰天)下搜集的人體姿態(tài)數(shù)據(jù)集進(jìn)行標(biāo)定、訓(xùn)練后，得到6種姿態(tài)在3種環(huán)境中測(cè)試集上的識(shí)別準(zhǔn)確率分別為：室內(nèi)96.33%、室外晴天95%、室外陰天94.3%。相比基于特征匹配和其他利用手勢(shì)等小目標(biāo)檢測(cè)的算法，基于該算法的機(jī)器人具有更高的檢測(cè)速度和準(zhǔn)確性，使機(jī)器人更加智能化。
中圖分類號(hào)： TN92；TH39
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.211736
中文引用格式： 曾楊吉，劉自紅，蔡勇，等. 基于YOLOv5的姿態(tài)交互球類陪練機(jī)器人[J].電子技術(shù)應(yīng)用，2022，48(1)：76-79.
英文引用格式： Zeng Yangji，Liu Zihong，Cai Yong，et al. An interactive ball training partner robot based on YOLOv5[J]. Application of Electronic Technique，2022，48(1)：76-79.
An interactive ball training partner robot based on YOLOv5
Zeng Yangji，Liu Zihong，Cai Yong，Guo Xingchen，Mo Jinlong
School of Manufacturing Science and Engineering，Southwest University of Science and Technology，Mianyang 621000，China
Abstract： In order to solve the problem of insufficient human-computer interaction ability of ball training partner robots, a new human-computer interaction mode based on Raspberry Pi and YOLOv5 algorithm was proposed, which enabled the robot to realize six different actions: forward, backward, left, right, throwing the ball, and kicking the ball. After calibrating and training the data sets collected in three different environments(indoor, outdoor sunny day and outdoor cloudy day), the recognition accuracy of the six poses in the test set under three different environments is 96.33% indoor，95% outdoor sunny day，and 94.3% outdoor cloudy day, respectively. Compared with other algorithms based on feature matching and small target detection using gestures, the robot has higher detection speed and accuracy, which makes the robot more intelligent.
Key words : YOLOv5 algorithm；posture recognition；ball training partner robot；Raspberry Pi；STM32 MCU

0 引言

    球類陪練機(jī)器人以其機(jī)動(dòng)性好、針對(duì)性強(qiáng)、訓(xùn)練數(shù)據(jù)可量化等特點(diǎn)已在多個(gè)體育領(lǐng)域有廣泛的應(yīng)用，目前對(duì)陪練機(jī)器人的研究大多集中于機(jī)器人控制方法[1]和機(jī)械結(jié)構(gòu)的設(shè)計(jì)、優(yōu)化[2-3]，以提高機(jī)器人的多功能性和可控性為主。但是對(duì)于訓(xùn)練內(nèi)容更加復(fù)雜的運(yùn)動(dòng)(如籃球、足球、橄欖球等)，還需要機(jī)器人具備更高的人機(jī)交互能力以發(fā)揮出最優(yōu)性能。

    傳統(tǒng)的人機(jī)交互一般依賴于遙控器、鍵盤鼠標(biāo)等外部設(shè)備，存在一定的固有缺陷，而基于圖像處理的目標(biāo)識(shí)別方法可實(shí)現(xiàn)與機(jī)器人的實(shí)時(shí)交互，進(jìn)一步提高機(jī)器人智能化水平。在基于圖像處理的姿態(tài)識(shí)別研究中，主要集中于以下幾個(gè)方面：(1)傳感器：基于慣性傳感器、FDC2214電容傳感器等[4-5]；(2)機(jī)器學(xué)習(xí)：基于支持向量機(jī)(SVM)、長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)等[6-7]；(3)深度學(xué)習(xí)模型：基于YOLO、卷積神經(jīng)網(wǎng)絡(luò)(CNN)等的方法在識(shí)別問題中也得到了廣泛應(yīng)用[8-9]。YOLO系列算法由Redmon等人在2015年提出[10]，后續(xù)不斷發(fā)展為YOLOv2[11]、YOLOv3[12]、YOLOv4[13]和最新的YOLOv5。該算法的核心思想在于將目標(biāo)檢測(cè)統(tǒng)一為回歸問題進(jìn)行求解，相較于同一精確度下采用分類+回歸方法的Faster R-CNN等機(jī)器學(xué)習(xí)方法，檢測(cè)速度提升了約4倍。YOLOv5是YOLO系列最新的算法，是目前檢測(cè)領(lǐng)域綜合性最好的算法之一。




本文詳細(xì)內(nèi)容請(qǐng)下載：http://ihrv.cn/resource/share/2000003912。




作者信息：

曾楊吉，劉自紅，蔡  勇，郭星辰，莫金龍

(西南科技大學(xué) 制造科學(xué)與工程學(xué)院，四川 綿陽(yáng)621000)




wd.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。