【摘要】：智能機器人環(huán)境視覺感知是機器人自主理解不確定作業(yè)環(huán)境,靈活操作復(fù)雜目標(biāo)物體的重要環(huán)節(jié)之一。研究智能機器人的環(huán)境視覺感知方法需要解決機器人周邊環(huán)境物體種類識別以及目標(biāo)物體空間狀態(tài)感知等重要科學(xué)問題。機器人三維視覺技術(shù)和機器學(xué)習(xí)技術(shù)為機器人環(huán)境視覺感知問題提供了可行的解決思路。本文圍繞如何利用機器學(xué)習(xí)技術(shù)提高智能機器人環(huán)境視覺感知能力課題著重對以下問題展開了研究:針對機器學(xué)習(xí)模型信息提取能力分析問題,研究了機器人三維視覺數(shù)據(jù)的機器學(xué)習(xí)過程數(shù)學(xué)建模方法,用于改進(jìn)智能機器人環(huán)境視覺感知方法中的機器學(xué)習(xí)模型數(shù)據(jù)信息提取能力;針對智能機器人三維形貌數(shù)據(jù)種類識別問題,研究了基于機器學(xué)習(xí)的機器人環(huán)境物體三維形貌類別信息提取方法,用于提升機器人環(huán)境物體種類識別的準(zhǔn)確率和識別速度;針對智能機器人目標(biāo)物體空間狀態(tài)感知問題,研究了基于機器學(xué)習(xí)的機器人目標(biāo)物體空間狀態(tài)感知方法,用于改進(jìn)機器人對多種復(fù)雜特征目標(biāo)物體空間狀態(tài)感知的精度和實時性。以下為本文主要研究及創(chuàng)新成果:(1).基于虛擬模板假設(shè)的三維數(shù)據(jù)機器學(xué)習(xí)過程建模方法。針對三維數(shù)據(jù)機器學(xué)習(xí)模型信息提取能力分析方法缺失問題,提出了一種基于虛擬模板和隨機變量建模的三維數(shù)據(jù)信息提取過程建模方法,實驗分析表明該方法能夠指導(dǎo)三維數(shù)據(jù)機器學(xué)習(xí)模型的設(shè)計。(2).基于卷積網(wǎng)絡(luò)的智能機器人環(huán)境物體種類識別方法。針對機器人環(huán)境物體種類識別方法準(zhǔn)確率低,識別速度慢問題,提出了一種基于張量各向異性卷積的物體種類識別模型和一種基于點云卷積的物體種類識別模型,實驗表明本文提出的方法提高了環(huán)境物體識別的速度和準(zhǔn)確性,可從40種可能類別中準(zhǔn)確識別未知物體。(3).基于前饋映射的智能機器人目標(biāo)物體空間狀態(tài)感知方法。針對機器人目標(biāo)物體空間狀態(tài)感知方法無法處理多種復(fù)雜目標(biāo),空間狀態(tài)計算精度低,處理速度慢,目標(biāo)物體識別準(zhǔn)確度低的問題,提出了采用非監(jiān)督機器學(xué)習(xí)對目標(biāo)物體空間狀態(tài)進(jìn)行計算的方法。實驗表明該方法能以高精度高魯棒性識別目標(biāo)物體并完成目標(biāo)物體空間狀態(tài)的感知。(4).機器人手眼視覺檢測系統(tǒng)平臺和線結(jié)構(gòu)光掃描測量平臺。搭建了實驗平臺對本文提出的機器人環(huán)境物體種類識別和目標(biāo)物體空間狀態(tài)感知方法進(jìn)行了實驗驗證與分析。本文的研究結(jié)果已應(yīng)用于改進(jìn)機器人手眼系統(tǒng)抓取目標(biāo)剛體姿態(tài)檢測方法和列車車輪踏面半徑測量方法。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：TP181;TP242.6
【圖文】：

華 中 科 技 大 學(xué) 博 士 學(xué) 位 論 文可以完成動態(tài)、復(fù)雜的作業(yè)使命。本文旨在通過對基于機器學(xué)習(xí)的智能機器人環(huán)境視覺感知方法研究，利用機器人三維視覺和機器學(xué)習(xí)方法，形成①.機器人智能識別周邊環(huán)境物體種類和②.機器人智能感知復(fù)雜目標(biāo)物體空間狀態(tài)，提升智慧型機器人對不確定作業(yè)條件的適應(yīng)能力和對復(fù)雜對象的靈活操作能力。本文圍繞智能機器人的環(huán)境視覺感知方法，著重對：①.三維視覺數(shù)據(jù)機器學(xué)習(xí)過程建模方法；②.三維視覺環(huán)境物體種類識別方法；③.三維視覺目標(biāo)物體空間狀態(tài)感知方法展開了研究。研究結(jié)果被應(yīng)用于機器人視覺室內(nèi)環(huán)境物體識別、機器人抓取目標(biāo)的剛體姿態(tài)計算和基于機器人視覺感知方法的列車輪對踏面形貌檢測任務(wù)中。圖 1-1 展示了由三維數(shù)據(jù)機器學(xué)習(xí)過程建模方法指導(dǎo)設(shè)計的環(huán)境物體種類識別方法和目標(biāo)物體空間狀態(tài)感知方法是實現(xiàn)機器人智能操作的重要環(huán)節(jié)之一。

華 中 科 技 大 學(xué) 博 士 學(xué) 位 論 文中得到誤差信息[77]; Jaramillo 等提出可以利用匹配法基于局部測量數(shù)據(jù)獲得易變形薄板件的空間狀態(tài)和變形參數(shù)[78]�；谌斯っ枋鲎臃椒ǖ娜S形貌識別與測量流程如圖 1-2 所示，由于特征匹配可采用高維特征樹方法，空間狀態(tài)估計采用最小二乘法，故關(guān)鍵步驟為(1). 關(guān)鍵點提取，(2).特征描述，(3). 精確匹配。最終實現(xiàn)目標(biāo)物體的空間狀態(tài)計算。

論文的組織結(jié)構(gòu)圖

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李兵;林文釗;羅崢尹;;基于機器學(xué)習(xí)的智慧農(nóng)業(yè)決策系統(tǒng)設(shè)計與實現(xiàn)[J];信息與電腦(理論版);2018年24期

2 舒娜;劉波;林偉偉;李鵬飛;;分布式機器學(xué)習(xí)平臺與算法綜述[J];計算機科學(xué);2019年03期

3 劉傳會;汪小亞;郭增輝;;機器學(xué)習(xí)在反洗錢領(lǐng)域的應(yīng)用與發(fā)展[J];清華金融評論;2019年04期

4 孟雨;;機器學(xué)習(xí)讓計算機更智能[J];計算機與網(wǎng)絡(luò);2019年14期

5 高華川;;機器學(xué)習(xí)在經(jīng)濟學(xué)中的應(yīng)用[J];納稅;2019年24期

6 李陽;;機器學(xué)習(xí)在網(wǎng)絡(luò)空間安全研究中的應(yīng)用分析[J];電腦知識與技術(shù);2019年24期

7 胡思潤;楊曉旭;宋靖華;;基于機器學(xué)習(xí)的城市生成方法研究[J];智能建筑與智慧城市;2019年11期

8 蔣良孝;;機器學(xué)習(xí)課程教學(xué)的實踐探索[J];新課程研究;2019年23期

9 ;降低機器學(xué)習(xí)門檻的六大工具[J];電腦知識與技術(shù)(經(jīng)驗技巧);2019年10期

10 朱輝;;機器學(xué)習(xí)在企業(yè)級場景中的實踐與探討[J];中國建設(shè)信息化;2018年03期

相關(guān)會議論文 前10條

1 王玨;;歸納機器學(xué)習(xí)[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

2 王衍魯;張利會;張淑潔;石潔茹;王鵬;;大學(xué)新生學(xué)校適應(yīng)的個體與環(huán)境因素探究:基于機器學(xué)習(xí)的考察[A];第二十屆全國心理學(xué)學(xué)術(shù)會議--心理學(xué)與國民心理健康摘要集[C];2017年

3 張長水;;大數(shù)據(jù)機器學(xué)習(xí)[A];2015年中國自動化大會摘要集[C];2015年

4 何琳;侯漢清;;基于標(biāo)引經(jīng)驗和機器學(xué)習(xí)相結(jié)合的多層自動分類[A];2005年中國索引學(xué)會年會暨學(xué)術(shù)研討會論文集[C];2005年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機器學(xué)習(xí)法相結(jié)合的蛋白質(zhì)名識別[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機器學(xué)習(xí)在中醫(yī)計算機診斷識別系統(tǒng)中的應(yīng)用思考[A];第一屆全國中西醫(yī)結(jié)合診斷學(xué)術(shù)會議論文選集[C];2006年

7 吳滄浦;;智能系統(tǒng)與機器學(xué)習(xí)的新領(lǐng)域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學(xué)術(shù)年會文集[C];2000年

8 蔡健平;林世平;;基于機器學(xué)習(xí)的詞語和句子極性分析[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

9 ;基于機器學(xué)習(xí)的大數(shù)據(jù)防詐騙能力研究與應(yīng)用[A];2018中國信息通信大會論文摘要集[C];2018年

10 ;基于機器學(xué)習(xí)的影響感知無線根因問題快速定位研究[A];2018中國信息通信大會論文摘要集[C];2018年

相關(guān)重要報紙文章 前10條

1 唐一塵;機器學(xué)習(xí)能識別具有自殺傾向的病人[N];中國科學(xué)報;2017年

2 CIO.com資深作家 Clint Boulton 編譯 Charles;領(lǐng)先一步:機器學(xué)習(xí)的10個成功案例[N];計算機世界;2018年

3 Bob Violino 編譯 Charles;盲目冒進(jìn):機器學(xué)習(xí)的5個失敗案例[N];計算機世界;2018年

4 本報駐波士頓記者 侯麗;深入挖掘機器學(xué)習(xí)潛力[N];中國社會科學(xué)報;2019年

5 王方 編譯;菌自何方 機器學(xué)習(xí)早知道[N];中國科學(xué)報;2019年

6 Matt Asay 編譯 Monkey King;為什么機器學(xué)習(xí)沒有捷徑可循？[N];計算機世界;2019年

7 本報記者 操秀英;當(dāng)量子計算遇到機器學(xué)習(xí)會碰撞出什么火花？[N];科技日報;2019年

8 彭博企業(yè)數(shù)據(jù)業(yè)務(wù)全球負(fù)責(zé)人 Gerard Francis;金融數(shù)據(jù)質(zhì)量決定機器學(xué)習(xí)時代的投資回報[N];計算機世界;2019年

9 Isaac Sacolick 編譯 Charles;關(guān)于機器學(xué)習(xí)的5個要點[N];計算機世界;2019年

10 記者 張夢然;全新算法助機器學(xué)習(xí)抵抗干擾[N];科技日報;2019年

相關(guān)博士學(xué)位論文 前10條

1 劉瀏;基于機器學(xué)習(xí)的惡意代碼檢測與分類技術(shù)研究[D];國防科技大學(xué);2017年

2 薛紅新;基于機器學(xué)習(xí)方法的分類與預(yù)測問題研究[D];中北大學(xué);2019年

3 韓啟迪;基于非線性成礦動力系統(tǒng)的機器學(xué)習(xí)方法應(yīng)用研究[D];中國地質(zhì)大學(xué)(北京);2019年

4 陳旭展;基于機器學(xué)習(xí)的智能機器人環(huán)境視覺感知方法研究[D];華中科技大學(xué);2019年

5 殷曦;基于機器學(xué)習(xí)及統(tǒng)計計算模型的膜蛋白結(jié)構(gòu)預(yù)測[D];上海交通大學(xué);2017年

6 楊靜;蛋白質(zhì)殘基相互作用預(yù)測及其在結(jié)構(gòu)建模中的應(yīng)用研究[D];上海交通大學(xué);2018年

7 王磊;基于機器學(xué)習(xí)的藥物—靶標(biāo)相互作用預(yù)測研究[D];中國礦業(yè)大學(xué);2018年

8 張慶;鈣鈦礦型功能材料的基因組工程研究[D];上海大學(xué);2018年

9 管月;醫(yī)學(xué)腫瘤影像分類算法研究及其在肝癌上的應(yīng)用[D];南京大學(xué);2018年

10 郝小可;基于機器學(xué)習(xí)的影像遺傳學(xué)分析及其應(yīng)用研究[D];南京航空航天大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 夏怡童;《機器學(xué)習(xí)前沿：2017雷蒙德和貝弗利·薩克勒英美科學(xué)論壇》翻譯實踐報告[D];重慶郵電大學(xué);2019年

2 李逍;產(chǎn)品評論的方面級觀點挖掘技術(shù)研究[D];重慶郵電大學(xué);2019年

3 張輝斌;基于機器學(xué)習(xí)的機電系統(tǒng)部件級PHM技術(shù)研究[D];南京航空航天大學(xué);2019年

4 卞榮臻;基于機器學(xué)習(xí)的硬件木馬檢測方法研究[D];南京航空航天大學(xué);2019年

5 葉詩意;《機器學(xué)習(xí)—新型人工智能》（節(jié)選）翻譯實踐報告[D];湘潭大學(xué);2019年

6 郭銀娟;基于多元統(tǒng)計和機器學(xué)習(xí)的成績分析及研究[D];湘潭大學(xué);2019年

7 趙慶東;基于機器學(xué)習(xí)算法的數(shù)據(jù)分類應(yīng)用研究[D];寧夏大學(xué);2019年

8 巢澤敏;Spark自動調(diào)優(yōu)系統(tǒng)的設(shè)計與實現(xiàn)[D];哈爾濱工業(yè)大學(xué);2019年

9 胡樂;融合用戶評論的新聞內(nèi)容質(zhì)量檢測算法研究[D];哈爾濱工業(yè)大學(xué);2019年

10 崔宇中;用于割草機平臺的行人檢測技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2019年

本文編號：2801211