機(jī)器人目標(biāo)跟蹤技術(shù)在機(jī)器人導(dǎo)航定位、人機(jī)交互、無(wú)人駕駛等領(lǐng)域的應(yīng)用越來(lái)越廣泛,其中在智能服務(wù)領(lǐng)域的應(yīng)用也在生活中發(fā)揮重要作用。本文以博物館講解、商場(chǎng)導(dǎo)購(gòu)為應(yīng)用場(chǎng)景,采用單目攝像頭來(lái)設(shè)計(jì)并實(shí)現(xiàn)了一種基于深度學(xué)習(xí)的智能機(jī)器人目標(biāo)跟蹤方法。目標(biāo)跟蹤模型中最為重要的一點(diǎn)在于對(duì)目標(biāo)的特征提取,本文選取了一些當(dāng)前特征描述能力優(yōu)秀的深層卷積神經(jīng)網(wǎng)絡(luò)算法,進(jìn)行了深入對(duì)比研究。在機(jī)器人上試驗(yàn)了現(xiàn)有的GOTURN和TLD單目視覺(jué)跟蹤算法,發(fā)現(xiàn)GOTURN算法缺乏跟蹤失敗檢測(cè)機(jī)制。同時(shí),傳統(tǒng)的TLD算法在跟蹤過(guò)程中存在著易受光照影響等情況。為了能夠同時(shí)保證跟蹤準(zhǔn)確性與實(shí)時(shí)性,提出一種改進(jìn)的算法GOTURN-LD,該方法將離線(xiàn)訓(xùn)練好的深度學(xué)習(xí)模型用于在線(xiàn)跟蹤,并且與傳統(tǒng)的帶檢測(cè)器的算法框架TLD相融合。此外,還改進(jìn)GOTURN-LD算法的檢測(cè)模塊,加入?yún)^(qū)域建議算法,減小掃描區(qū)域,從而減少檢測(cè)的計(jì)算量,加快目標(biāo)遮擋或丟失后重新找回的速度,進(jìn)一步提高算法的跟蹤準(zhǔn)確度。本文將改進(jìn)后的跟蹤算法應(yīng)用到機(jī)器人系統(tǒng)進(jìn)行實(shí)際場(chǎng)景實(shí)驗(yàn),主要完成機(jī)器人運(yùn)動(dòng)、信息采集和處理等功能。通過(guò)跟蹤系統(tǒng)總體設(shè)計(jì),數(shù)據(jù)與機(jī)器人底層指令變換設(shè)計(jì)... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題的研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外機(jī)器人視覺(jué)跟蹤研究
        1.2.2 國(guó)內(nèi)機(jī)器人視覺(jué)跟蹤研究
        1.2.3 視覺(jué)跟蹤問(wèn)題的分析
        1.2.4 視覺(jué)目標(biāo)跟蹤最新進(jìn)展
    1.3 課題的目的和意義
    1.4 論文的組織架構(gòu)
第二章 基于深度學(xué)習(xí)的目標(biāo)跟蹤算法
    2.1 深度學(xué)習(xí)
        2.1.1 深度學(xué)習(xí)簡(jiǎn)介
        2.1.2 卷積神經(jīng)網(wǎng)絡(luò)概述
        2.1.3 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的跟蹤算法
        2.2.1 目標(biāo)跟蹤流程
        2.2.2 FCNT算法
        2.2.3 HCF算法
        2.2.4 MDNet算法
    2.3 基于Caffe的實(shí)時(shí)跟蹤GOTURN算法
        2.3.1 Caffe框架
        2.3.2 GOTURN算法的網(wǎng)絡(luò)結(jié)構(gòu)
        2.3.3 GOTURN算法的主要原理
    2.4 本章小結(jié)
第三章 目標(biāo)跟蹤算法的設(shè)計(jì)與改進(jìn)
    3.1 TLD和GOTURN算法分析
        3.1.1 TLD算法的優(yōu)缺點(diǎn)
        3.1.2 GOTURN算法的優(yōu)缺點(diǎn)
    3.2 GOTURN-LD算法設(shè)計(jì)
        3.2.1 GOTURN-LD算法流程
        3.2.2 GOTURN-LD算法實(shí)現(xiàn)
    3.3 GOTURN-LD算法跟蹤模塊的實(shí)現(xiàn)
        3.3.1 跟蹤器設(shè)計(jì)
        3.3.2 實(shí)驗(yàn)結(jié)果分析
    3.4 GOTURN-LD算法檢測(cè)模塊的實(shí)現(xiàn)
        3.4.1 檢測(cè)器設(shè)計(jì)
        3.4.2 P-N學(xué)習(xí)
        3.4.3 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
第四章 GOTURN-LD算法在移動(dòng)機(jī)器人的實(shí)現(xiàn)
    4.1 智能機(jī)器人的系統(tǒng)架構(gòu)
    4.2 跟蹤系統(tǒng)的軟件開(kāi)發(fā)環(huán)境
    4.3 跟蹤系統(tǒng)框架
        4.3.1 系統(tǒng)總體設(shè)計(jì)
        4.3.2 數(shù)據(jù)與指令變換設(shè)計(jì)
        4.3.3 數(shù)據(jù)傳輸
    4.4 實(shí)驗(yàn)結(jié)果及分析
        4.4.1 目標(biāo)跟蹤算法的驗(yàn)證
        4.4.2 性能指標(biāo)與分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間申請(qǐng)的專(zhuān)利
致謝



本文編號(hào)：3201182