機(jī)器人是電器或機(jī)械實(shí)現(xiàn)自動(dòng)化的應(yīng)用產(chǎn)物,被譽(yù)為“制造業(yè)皇冠頂端的明珠”,是衡量一個(gè)國(guó)家創(chuàng)新能力和產(chǎn)業(yè)競(jìng)爭(zhēng)力的重要標(biāo)志,已成為全球新一輪科技和產(chǎn)業(yè)革命的重要切入點(diǎn)。人工智能是讓機(jī)器更加智能化、人性化的助推器,人們希望機(jī)器人像人類一樣,在工作中表現(xiàn)得更加智能,這就需要人工智能重新賦予機(jī)器人新的生命。深度學(xué)習(xí)是人工智發(fā)展中重要的里程碑,為機(jī)器實(shí)現(xiàn)學(xué)習(xí)提供了更好的方法。如今機(jī)器人的目標(biāo)抓取技術(shù)還遠(yuǎn)遠(yuǎn)落后于人類的表現(xiàn),成為目前機(jī)器人研究中的一個(gè)重要領(lǐng)域和熱點(diǎn)。機(jī)器人要實(shí)現(xiàn)自主抓取,首先機(jī)器人需要對(duì)環(huán)境進(jìn)行感知,檢測(cè)目標(biāo)物體的位置、識(shí)別物體的類別、確定抓取目標(biāo)物體的姿態(tài),才可以規(guī)劃?rùn)C(jī)器人運(yùn)動(dòng)軌跡,并控制機(jī)器人實(shí)施抓取。本文的工作主要是圍繞基于機(jī)器人視覺的目標(biāo)檢測(cè)與抓取姿態(tài)估計(jì)問題,結(jié)合深度學(xué)習(xí)理論和技術(shù),研究和實(shí)現(xiàn)基于機(jī)器視覺的目標(biāo)物體的檢測(cè)、識(shí)別、定位以及抓取姿態(tài)估計(jì)。本文的主要工作包括以下三個(gè)方面:(1)使用雙目攝像機(jī),進(jìn)行環(huán)境感知,獲取待抓取物體的圖像和深度信息。結(jié)合本文數(shù)據(jù)集和應(yīng)用的要求,使用基于回歸的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行物體檢測(cè)與識(shí)別,并采用遷移學(xué)習(xí)的方法加快網(wǎng)絡(luò)的訓(xùn)練過程。通過訓(xùn)練后的神經(jīng)...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1上海大學(xué)服務(wù)機(jī)器人Fig.1-1ShanghaiUniversityServiceRobot

圖1-1上海大學(xué)服務(wù)機(jī)器人Fig.1-1ShanghaiUniversityServiceRobot器人視覺技術(shù)也有了很大的進(jìn)步。上海使用圖像邊緣特征提取算法，以及歸一技術(shù)[16]。北京交通大學(xué)使用配有雙目攝SV顏色空間中使用傳統(tǒng)的圖像分割方法物體的三維坐標(biāo)[17]....

圖2-1相機(jī)成像原理

此本章將詳細(xì)介紹雙目攝像機(jī)的工作原理。本章還將介紹目前常用的物體檢及選擇YOLO框架的原因。遷移學(xué)習(xí)能加快神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，因此本文在物型以及抓取物體的姿態(tài)估計(jì)模型中都用到了遷移學(xué)習(xí)的方式，本章也會(huì)對(duì)遷所介紹。.1雙目測(cè)距簡(jiǎn)介1.1相機(jī)標(biāo)定相機(jī)的幾何模型主要分為線性幾何模型....

圖2-2徑向畸變

圖2-2a)為無畸變的圖像，圖2-2b)為桶形畸變的圖像，圖2-2c)為枕形畸變的圖像。本文用一個(gè)比較廉價(jià)的相機(jī)拍攝的RGB圖就發(fā)生了桶形畸變，如圖2-3所示。圖2-3桶形畸變的相機(jī)圖像Fig.2-3Barreldistortioncameraimag....

圖2-3桶形畸變的相機(jī)圖像

b)桶形畸變c)圖2-2徑向畸變Fig.2-2Radialdistortion著透鏡半徑方向分布的畸變，產(chǎn)生原因是光線在方更加彎曲，這種畸變?cè)谄胀畠r(jià)的鏡頭中表現(xiàn)變和枕形畸變兩種，如圖2-2所示，圖2-2a)為無像，圖2-2c)為枕形畸變的圖像。本文用一個(gè)....

本文編號(hào)：3978933