王国名，郝灿，石俊凯，高超，王博，周维虎*，高豆豆*

（1.中国科学院微电子研究所，北京 100094；2.中国科学院大学，北京 101408）

0 引言

随着我国先进制造和智能制造业的快速发展，对所需高端装备的生产工装测量、精密装配检测及整机精度检测的精度要求越来越高，对以激光跟踪仪为代表的大尺度空间坐标精密测量仪器的需求也越来越迫切［1-3］。在飞机、船舶等大型装置的精密装配过程中，激光跟踪仪如何在复杂生产环境下对合作目标靶球进行快速精确识别捕获，从而精确引导激光自动对准合作目标，是提升大型装置精密装配效率、提高断光续接精度亟需解决的难题［4］。为了解决目标的自动识别与自动测量问题，张滋黎等人［5］提出了一种基于视觉引导的激光测量系统，实现了激光的自动对准；中国科学院大学［6］提出了一种大目标高精度位置姿态测量技术，利用单目相机获取合作目标的中心位置，准确引导激光测距仪自动瞄准合作目标的中心位置，通过参数运算得到待测目标的空间位姿，从而实现高精度自动引导测量。

近年来，基于深度学习的机器视觉目标检测方法在精密检测领域得到广泛应用，将深度学习方法用于合作目标检测，可极大地提高激光跟踪仪对其合作目标靶球的瞄准精度。具有代表性的深度学习方法有基于区域推荐的目标检测方法（如Faster RCNN［7］）和基于回归的目标检测方法（如YOLO［5］）。基于区域推荐的目标检测方法分两个步骤，首先预测可能存在目标的区域，然后进行目标的分类与边界定位，因此检测速度较慢，难以满足实时检测的需求。……