面向人形机器人的模块化目标检测系统——基于 YOLO
机器人学
2025-10-16 v1
摘要
在机器人领域，计算机视觉仍是制约进展的重要障碍，许多任务因视觉系统效率低下而受限。本研究提出一种通用视觉模块，采用针对计算受限环境（如机器人）优化的 YOLOv9 框架。该模型在针对 FIRA 机器人 Hurocup 定制的数据集上进行训练。利用虚拟环境实现 YOLO 兼容性，在 ROS1 中实现新的视觉模块。通过帧率（FPS）和平均精度（mAP）等指标进行性能评估。性能随后在静态和动态情境下与现有几何框架进行比较。YOLO 模型在计算成本高于几何模型的同时，实现了相当的精度，并提供了更好的鲁棒性。
引用
@article{arxiv.2510.13625,
title = {A Modular Object Detection System for Humanoid Robots Using YOLO},
author = {Nicolas Pottier and Meng Cheng Lau},
journal= {arXiv preprint arXiv:2510.13625},
year = {2025}
}
备注
7 Figures, 5 tables. This article was presented at FIRA Summit 2025. It will be updated for journal submission