余佳恩，马国军，任永恒，王亚军

（江苏科技大学电子信息学院，江苏镇江 212003）

室内机器人在移动过程中，需要感知周围环境，以进行目标检测和路径规划。常用的传感器有激光雷达、超声波和红外传感器等，为获得较多的信息，视觉传感器也广泛应用于机器人目标检测。

机器人目标检测方法是将提取的目标图像特征转化为特征向量，利用分类器进行分类[1-2]，同时用滑动窗口对目标定位，找到与目标特征最相似的位置。

随着人工智能技术的不断发展，基于深度学习的目标检测算法逐步被应用，并成为研究热点。基于区域建议的算法先对可能存在的目标区域进行大量的建议，构成候选目标，然后进行识别，得到检测结果，如Faster R-CNN 系列检测算法[3-4]，但该类算法存在处理数据速度慢，对候选区域进行处理时有大量的重复计算等问题。基于回归学习的检测算法能够一步完成检测过程，如YOLO 在去除区域建议的过程中[5]，直接利用卷积神经网络（Convolutional Neural Networks,CNN）对整幅图像进行处理，预测出目标的位置和类别，该方法虽然提高了运算速度，增加了实时性，但其定位的准确性较低[6]。

基于此，文中设计并研究了基于MobileNet-SSD模型的目标检测方法，并且输出机器人到目标障碍物的距离。该方法使用MobileNet 网络作为SSD 的基础网络进行特征提取，将检测到的目标投影到深度图中，同时计算包围盒内的深度平均值作为障碍物到机器人的距离。

文中融合计算机视觉和深度学习的方法，进行机器人障碍物目标全自动检测，并得到距离信息，为机器人避障、路径规划提供基础。……