仓库机器人导航目标检测系统 —— 基于Amazon Robotics Challenge数据集的YOLOv8多目标检测与PyQt UI实现

1. 引言

仓库自动化与机器人导航已成为物流行业的热点方向。机器人在仓库中高效、准确地识别托盘（pallet）和箱子（box）是导航和物料搬运的关键视觉任务。Amazon Robotics Challenge (ARC) 提供了丰富的多目标检测数据，支持机器人视觉算法研究。

本文通过YOLOv8结合ARC数据，打造一个高效、准确的检测系统，并基于PyQt实现友好的操作界面，助力机器人实现稳定导航。

---

2. 任务背景与挑战

• 目标多样：托盘与箱子在尺寸、形状、材质上差异大
• 环境复杂：光照、遮挡、背景杂乱
• 实时性要求：机器人导航需低延迟高频次检测
• 标注复杂度：多目标、多尺度检测任务

解决方案需结合强大的深度学习检测模型与高效部署策略。

---

3. 数据集介绍——Amazon Robotics Challenge

3.1 ARC数据集概述

• 来源：Amazon Robotics Challenge竞赛
• 内容：仓库环境中的各种物体图像，重点是托盘、箱子等物流关键物品
• 标注：多目标边框框选&#