基于YOLOv5的姿态交互球类陪练机器人
2022年电子技术应用第1期
曾杨吉，刘自红，蔡 勇，郭星辰，莫金龙
西南科技大学 制造科学与工程学院，四川 绵阳621000
摘要： 针对当下球类陪练机器人人机交互能力不足的问题，提出一种基于树莓派和YOLOv5目标检测算法的新型人机交互模式，使机器人实现前进、后退、左移、右移、抛球、踢球6种不同的动作；通过对在3种不同环境(室内、室外晴天、室外阴天)下搜集的人体姿态数据集进行标定、训练后，得到6种姿态在3种环境中测试集上的识别准确率分别为：室内96.33%、室外晴天95%、室外阴天94.3%。相比基于特征匹配和其他利用手势等小目标检测的算法，基于该算法的机器人具有更高的检测速度和准确性，使机器人更加智能化。
中圖分類號： TN92；TH39
文獻標識碼： 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的姿態交互球類陪練機器人[J].電子技術應用，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.
文獻標識碼： 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的姿態交互球類陪練機器人[J].電子技術應用，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
球類陪練機器人以其機動性好、針對性強、訓練數據可量化等特點已在多個體育領域有廣泛的應用，目前對陪練機器人的研究大多集中于機器人控制方法[1]和機械結構的設計、優化[2-3]，以提高機器人的多功能性和可控性為主。但是對于訓練內容更加復雜的運動(如籃球、足球、橄欖球等)，還需要機器人具備更高的人機交互能力以發揮出最優性能。
傳統的人機交互一般依賴于遙控器、鍵盤鼠標等外部設備，存在一定的固有缺陷，而基于圖像處理的目標識別方法可實現與機器人的實時交互，進一步提高機器人智能化水平。在基于圖像處理的姿態識別研究中，主要集中于以下幾個方面：(1)傳感器：基于慣性傳感器、FDC2214電容傳感器等[4-5]；(2)機器學習：基于支持向量機(SVM)、長短期記憶神經網絡(LSTM)等[6-7]；(3)深度學習模型：基于YOLO、卷積神經網絡(CNN)等的方法在識別問題中也得到了廣泛應用[8-9]。YOLO系列算法由Redmon等人在2015年提出[10]，后續不斷發展為YOLOv2[11]、YOLOv3[12]、YOLOv4[13]和最新的YOLOv5。該算法的核心思想在于將目標檢測統一為回歸問題進行求解，相較于同一精確度下采用分類+回歸方法的Faster R-CNN等機器學習方法，檢測速度提升了約4倍。YOLOv5是YOLO系列最新的算法，是目前檢測領域綜合性最好的算法之一。
本文詳細內容請下載：http://www.tom3567.com/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 制造科學與工程學院，四川 綿陽621000)
此內容為AET網站原創，未經授權禁止轉載。