摘要
该发明公开了一种基于深度学习的目标测距与自动行李箱跟随方法,属于计算机视觉与智能设备领域。该方法通过YOLOv8算法实现高精度实时目标识别,并利用深度摄像头获取的空间数据进行距离测算校正,从而显著提高了目标位置检测的准确性,实现了更加精准、稳定的自动跟随功能,有效解决了传统行李箱在复杂环境中的跟随效率问题。利用YOLOv8目标检测算法与深度摄像头技术的融合应用,创新性地解决了目标实时测距与跟随控制问题,显著提高了智能行李箱的使用安全性与用户体验,具有较高的实际应用价值和市场潜力。
技术关键词
自动行李箱
智能行李箱
跟随方法
彩色图像数据
三维深度信息
深度卷积神经网络
RGB摄像头
深度学习模型
PID控制方法
深度图
抑制环境噪声
导航路径规划
摄像头坐标系
特征金字塔网络
多尺度特征融合
像素
智能设备
摄像头技术
系统为您推荐了相关专利信息
农作物病虫害
编码器模块
网络模块
匹配模块
解码器
数据分类模型
视觉特征
分类方法
矩阵
黑白图像数据
车辆跟随方法
智能驾驶车辆
座椅压力传感器
门触开关
车辆防盗系统
输出特征
PID闭环控制
神经网络模型
标签文件
彩色图像数据