我考虑过处理一个新项目，其中我使用Tensorflow对象检测API来检测欧洲货盘（eg. pic）。
我的最终目标是知道我离托盘有多远，以及我对它的相对位置。所以我想到首先从kinect相机中检测RGB进纸中的欧元托盘，然后使用其3D功能来获得到托盘的距离。
但是我该如何处理托盘的相对位置？我可以创建不同的类，例如一个是“前视图铺设托盘”另一个Side view laying pallet等等，但我认为为了准确，每个类需要相当多的图片才有效？每个班级200个？
由于我的猜测是没有这样的标记数据集，所以我自己创建这个数据集非常痛苦。
我能想到的另一种方式是，如果我用托盘而不是边框来标记我的托盘，也许还有另一种方法来找出我对托盘的相对位置？我自己从未做过语义分段标记，但是有人能说出任何我可以使用的好程序吗？
我希望有人可以帮助我指出正确的方向。任何帮助将不胜感激。
答案 0 :(得分：0)
一些想法：假设使用分类器进行检测和分割，然后可以尝试像边/线那样的特征检测，以获得有关其方向的线索（边界框）。
当然，由于表面（木材，污垢），背景和照明非常不同，这对于简单的特征检测来说非常棘手。
此外，＆＃34;无标记跟踪＆＃34; （增强现实中的一个主题）和＆＃34; bin pick＆＃34; （实际应用于自动化行业）可能是类似问题的关键词，尽管你可能不是从一堆无序的托盘开始。