⚡

目标检测与分割技能 ObjectDetection/SegmentationSkill

该技能专注于在机器人感知领域部署和优化深度学习模型，实现高效的目标检测、实例分割、3D目标检测以及多目标跟踪。核心能力包括配置YOLO、Detectron2等主流框架，进行TensorRT模型加速，搭建ROS视觉管道，并支持多摄像头数据融合。适用于需要实时、精准环境感知的自动化与机器人系统开发。关键词：目标检测，实例分割，深度学习，机器人视觉，YOLO，Detectron2，TensorRT，ROS，3D检测，多目标跟踪。

计算机视觉 0 次安装 0 次浏览 更新于 2/25/2026

name: 目标检测/分割技能 description: 基于深度学习的目标检测与分割，用于机器人应用 slug: object-detection category: 感知 allowed-tools:

  • Bash
  • Read
  • Write
  • Edit
  • Glob
  • Grep

目标检测/分割技能

概述

专家技能，用于在机器人应用中部署和优化用于目标检测、实例分割和3D目标检测的深度学习模型。

能力

  • 配置YOLO（v5, v8）进行实时检测
  • 设置Detectron2进行实例分割
  • 实现语义分割模型
  • 为Jetson配置TensorRT优化
  • 设置ONNX运行时部署
  • 实现3D目标检测（PointPillars, VoxelNet）
  • 配置基于深度的目标检测
  • 使用image_pipeline设置ROS视觉管道
  • 实现目标跟踪（SORT, DeepSORT, ByteTrack）
  • 配置多摄像头检测融合

目标流程

  • object-detection-pipeline.js
  • synthetic-data-pipeline.js
  • nn-model-optimization.js
  • moveit-manipulation-planning.js

依赖项

  • YOLO（Ultralytics）
  • Detectron2
  • TensorRT
  • ONNX Runtime
  • vision_msgs

使用场景

当流程需要为目标检测模型部署、实例分割、3D检测或多目标跟踪进行机器人感知时，会调用此技能。

输出产物

  • 检测模型配置
  • TensorRT优化模型
  • ROS检测节点实现
  • 跟踪管道配置
  • 多摄像头融合设置
  • 推理优化脚本