基于YOLO26n与方向感知关键点网络的两阶段线激光图像局部轨迹几何特征提取方法

《Applied Sciences》：Real-Time Multi-Target Laser-Stripe Keypoint Estimation for Robotic Adhesive Dispensing Using a Two-Stage Lightweight Network

　　从线激光图像中可靠地提取局部轨迹几何特征对于机器人点胶感知至关重要，尤其是在受反射、条纹不连续和弱响应影响的多目标场景中。本研究提出了一个两阶段框架，将全图目标定位与感兴趣区域（ROI）级别的 keypoints 估计分离开来。YOLO26n 首先检测局部轨迹区域，随后一个方向感知的轻量级激光关键点网络（OLKNet）在每个ROI内预测一个中心控制点和两个方向参考点。OLKNet 结合了 FastViT-T8 骨干网络、轻量级自顶向下特征金字塔、中心引导的旋转各向异性热图以及通道依赖的DARK解码。构建了一个包含4460张图像和5656个目标实例的数据集。在测试子集上，YOLO26n 达到了0.9878的精确率、1.0000的召回率和0.8737的mAP??:??。在567个匹配到预测ROI的测试实例上，OLKNet 达到了0.9120的AP、3.406像素的中心点平均欧几里得误差、4.316像素的中心点均方根误差以及2.819°的角度误差。在五帧调度策略下，GPU视觉软件管线对单目标图像达到了73.93 FPS，对多目标图像达到了47.17 FPS。在此，实时性能指的是视觉软件管线，而非机器人闭环点胶。