【摘要】：準(zhǔn)確快速的實(shí)現(xiàn)對弈系統(tǒng)中象棋的檢測是本文的核心。傳統(tǒng)圖像處理算法因?yàn)樘幚砹鞒涕L容易受到環(huán)境的影響,在復(fù)雜場景下檢測效果比較差。光照條件、目標(biāo)尺寸、方位等等都將影響檢測算法的效果。因此傳統(tǒng)算法對環(huán)境要求比較高,需要專業(yè)級設(shè)備來解決環(huán)境帶來的影響。相較于傳統(tǒng)圖像處理方法,深度學(xué)習(xí)算法對光線、目標(biāo)方位、圖像質(zhì)量要求比較低,并且能較好地適應(yīng)各種復(fù)雜環(huán)境。本文基于深度學(xué)習(xí)算法對象棋目標(biāo)進(jìn)行檢測。在該任務(wù)中存在目標(biāo)較小、數(shù)據(jù)差異小、數(shù)據(jù)容易重復(fù)等問題。這些問題導(dǎo)致算法結(jié)構(gòu)復(fù)雜、計(jì)算速度較慢。在實(shí)際對弈過程中必須保證能快速、正確的檢測到所有的目標(biāo)。因?yàn)槠遄訑?shù)據(jù)差異較小需要更多的差異化數(shù)據(jù)幫助神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)棋子特征。針對上述問題,本文通過使用不同的優(yōu)化方法優(yōu)化神經(jīng)網(wǎng)絡(luò)算法和標(biāo)注更多差異化數(shù)據(jù)以滿足對弈系統(tǒng)對于精度和速度的要求。本論文搭建了對弈系統(tǒng)的硬件平臺同時(shí)標(biāo)注了目標(biāo)數(shù)據(jù)集。實(shí)現(xiàn)了包括Faster RCNN、SSD、YOLO算法,使用不同的骨干網(wǎng)絡(luò)實(shí)現(xiàn)以保證算法有較好的檢測效果和較快的檢測速度。通過使用OpenVINO、TensorRT對CPU和GPU優(yōu)化,實(shí)現(xiàn)包括計(jì)算圖結(jié)構(gòu)優(yōu)化、硬件設(shè)備優(yōu)化和數(shù)值量化等方法加速模型推理。最終算法克服了傳統(tǒng)視覺處理算法中對多目標(biāo)識別較差以及容易受光線、目標(biāo)尺寸影響的缺點(diǎn),能實(shí)現(xiàn)在極端黑暗條件下檢測、移動目標(biāo)。算法最快能在5ms左右正確的檢測出所有棋子的目標(biāo)。最后在本平臺下測試了對于常見物品的檢測,通過測試表明該軟硬件平臺能適用于常見物體的抓取,在實(shí)際應(yīng)用中有一定的價(jià)值。
【圖文】：

根據(jù)前方目標(biāo)是否是障礙物從而決定繼續(xù)前進(jìn)還是停止等待、無人駕駛汽需要識別道路前方行人、紅綠燈等等從而決定停車等待或者加速駛離、無人酒店需要識別住客是否為該酒店客人從而決定提供服務(wù)還是警告、抓手機(jī)器人能根據(jù)需求對特定的工件進(jìn)行自動分揀、無人超市的商品自動上架需要知道哪些商品需要補(bǔ)貨。目標(biāo)檢測是所有任務(wù)的基礎(chǔ)，，只有實(shí)現(xiàn)了目標(biāo)檢測才能根據(jù)指定的任務(wù)做出對應(yīng)的動作。本論文主要實(shí)現(xiàn)智能對弈系統(tǒng)，該系統(tǒng)需要識別出對弈雙方的棋子然后根據(jù)后臺程序決定如何走棋，然后抓取需要移動的棋子，放置對應(yīng)的棋子在指定的位置。常見基于圖像特征的目標(biāo)檢測算法處理通常需要手動設(shè)計(jì)特征，對于特定的目標(biāo)此方法已經(jīng)取得了較好的效果。但是針對通用的目標(biāo)，傳統(tǒng)的手動設(shè)計(jì)特征的方法通常無法適用。另外手動設(shè)計(jì)的特征通常無法反映出深層的特征關(guān)系。例如：梯度信息對于檢測目標(biāo)的邊緣很重要。但是實(shí)際中邊緣特征和梯度滿足一定的數(shù)學(xué)關(guān)系式而不是直接通過梯度反映邊緣特征。對于深層特征或者特征的深層關(guān)系，手動設(shè)計(jì)特征的方法無法獲得較好的結(jié)果。圖像處理與深度學(xué)習(xí)算法比如下圖 1.1�；谑謩釉O(shè)計(jì)的特征還存在處理流程較長（濾波、去噪、變換、特征提�。┤菀资艿絾我徊襟E的影響而出現(xiàn)較差的結(jié)果。

圖 2.1 吸取機(jī)器人硬件平臺硬件參數(shù)如下：1. 攝像頭：羅技 C5252. 運(yùn)動控制卡：Mega 25603. 步進(jìn)電機(jī)：YH42BYGH60-401A4. 訓(xùn)練服務(wù)器：NVIDIAGTX1080x2 +Intel E5，部署 PC Intel I3。2.2 硬件平臺通信方式為串口通信，實(shí)驗(yàn)在 Linux 環(huán)境下進(jìn)行，適用于所有硬件平臺。相較于常見抓手本體的網(wǎng)絡(luò)通信，使用串口通信更方便簡單。圖 2.2 實(shí)體硬件圖中的棋盤是針對象棋數(shù)據(jù)集而制作，在實(shí)際使用的過程中即使沒有棋盤依舊可以使用，棋盤上的每一個(gè)網(wǎng)格的坐標(biāo)位置都被存儲在了軟件代碼中。如果需要檢測抓取更小的目標(biāo)只需要標(biāo)定更密集的點(diǎn)即可實(shí)現(xiàn)更細(xì)膩的抓取。本環(huán)境下每個(gè)點(diǎn)的間隔恰好等于棋盤中每個(gè)放置棋子位置的點(diǎn)之間的距離。
【學(xué)位授予單位】：長春理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃逸;;算法結(jié)構(gòu)與設(shè)計(jì)教學(xué)中的若干思考[J];中學(xué)數(shù)學(xué)雜志;2008年05期

2 何永生;;算法結(jié)構(gòu)考查“三角度”[J];中學(xué)生數(shù)理化(高一);2017年01期

3 丁忒;;“算法的概念”教學(xué)設(shè)計(jì)[J];中國數(shù)學(xué)教育;2017年Z2期

4 王靖亞;;算法結(jié)構(gòu)對其性能的影響研究[J];計(jì)算機(jī)教育;2005年10期

5 裴承鳴;黎中偉;;ARMA過程的遞推線性估計(jì)及其應(yīng)用[J];西北工業(yè)大學(xué)學(xué)報(bào);1987年02期

6 胡平;;試論濾波器的算法結(jié)構(gòu)[J];河北機(jī)電學(xué)院學(xué)報(bào);1987年01期

7 黃繼進(jìn);;快速DFT計(jì)算——基于遞歸割圓因式分解的新算法[J];計(jì)算機(jī)應(yīng)用與軟件;1988年05期

8 鄭容;;時(shí)域加權(quán)FFT算法(WTTA)[J];信號處理;1988年04期

9 乞敬換;王秀峰;;具有阻塞的串行生產(chǎn)線“線性”狀態(tài)方程描述及擾動分析新算法[J];系統(tǒng)工程學(xué)報(bào);1989年02期

10 王靖亞;;算法結(jié)構(gòu)對其性能的影響研究[J];中國人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期

相關(guān)會議論文 前5條

1 王春厚;許都;孫健;;一種降低誤判率的BF快速匹配算法結(jié)構(gòu)[A];2010年全國通信安全學(xué)術(shù)會議論文集[C];2010年

2 張偉;顧幸生;蔣慰孫;;一類FLOWSHOP有限中間儲罐過程完成時(shí)間的確定[A];1995中國控制與決策學(xué)術(shù)年會論文集[C];1995年

3 李師億;黃淵;;FFT在TS201上的高效實(shí)現(xiàn)[A];全國第五屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議�？�(第一冊)[C];2011年

4 王志宏;王斌;;基于遺傳算法的非確定性目標(biāo)優(yōu)化[A];中國自動化學(xué)會全國第九屆自動化新技術(shù)學(xué)術(shù)交流會論文集[C];2004年

5 姚任之;呂中榮;劉濟(jì)科;;基于改進(jìn)人工蜂群算法的功能梯度梁結(jié)構(gòu)損傷識別研究[A];第十二屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集[C];2017年

相關(guān)重要報(bào)紙文章 前2條

1 張陽;5G時(shí)代，AI能走多遠(yuǎn)？[N];人民郵電;2019年

2 ;戴爾用實(shí)惠價(jià)促HPC普及[N];中國計(jì)算機(jī)報(bào);2006年

相關(guān)博士學(xué)位論文 前6條

1 石人剛;位置靈敏γ成像定位算法技術(shù)研究[D];中國工程物理研究院;2019年

2 鐘軼君;分片稀疏恢復(fù)理論及算法[D];大連理工大學(xué);2018年

3 張慧君;三元M/B/Si功能化合物的第一性原理計(jì)算方法研究[D];燕山大學(xué);2017年

4 熊丙章;高中生的算法理解水平及其教學(xué)策略研究[D];西南大學(xué);2013年

5 楊樂嬋;基于GEP算法和高光譜數(shù)據(jù)的植物主要理化參數(shù)估算研究[D];南京大學(xué);2017年

6 張超;混合群智能優(yōu)化算法研究及應(yīng)用[D];北京科技大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 劉帥;基于深度學(xué)習(xí)算法的物體快速檢測定位與擇優(yōu)拾取[D];長春理工大學(xué);2019年

2 何姣姣;多尺度并行通道級聯(lián)網(wǎng)絡(luò)的行人檢測算法研究[D];長安大學(xué);2019年

3 葉偉;Massive MIMO系統(tǒng)中上行信號的檢測算法研究[D];重慶郵電大學(xué);2018年

4 趙書鋒;大規(guī)模MIMO系統(tǒng)上行鏈路低復(fù)雜度信號檢測算法研究[D];重慶郵電大學(xué);2018年

5 王登云;海樽優(yōu)化算法及應(yīng)用研究[D];廣西民族大學(xué);2019年

6 張楚濱;混合條件穩(wěn)定FDTD算法研究[D];華南理工大學(xué);2019年

7 陳奇華;針對小目標(biāo)的深度學(xué)習(xí)行人檢測算法研究[D];華南理工大學(xué);2019年

8 楊忠保;復(fù)雜網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)算法研究與應(yīng)用[D];武漢理工大學(xué);2018年

9 崔利娟;基于深度森林的交通標(biāo)志識別算法研究[D];北方工業(yè)大學(xué);2019年

10 王一捷;柔性直流輸電技術(shù)數(shù)�；旌戏抡婀β式涌谒惴ㄑ芯縖D];東北電力大學(xué);2019年

本文編號：2591570