一种基于改进YOLOv5的轻量化目标定位方法

本发明公开了一种基于改进YOLOv5的轻量化目标定位方法，包括：将YOLOv5s网络中backbone模块的C3部分替换为MobileNetV3模块，使用深度可分离卷积减少模型计算量并提高特征提取效率；将原有的CIoU损失函数替换为EIoU损失函数，以增强目标边界框回归的稳定性和精度；对立体匹配算法进行轻量化处理，采用稀疏化代数重建方法简化代价聚合算法，降低计算复杂度和内存消耗；通过ONNX Runtime进行模型部署优化，减少推理时间并降低内存占用；结合双目摄像机的立体匹配深度信息与YOLOv5目标检测信息，计算目标相对于坐标系的三维坐标，从而实现轻量化的目标定位；该方法在保证目标检测和定位精度的同时，显著提升了双目视觉系统在资源受限设备中的运行效率，实现了高效的轻量化目标定位。