目前,提升移動(dòng)機(jī)器人的智能化和自主化水平已經(jīng)成為機(jī)器人領(lǐng)域的發(fā)展方向�；谝曈X(jué)和深度學(xué)習(xí)的移動(dòng)機(jī)器人融合了機(jī)器人學(xué)、圖像處理、機(jī)械電子、通訊技術(shù)和機(jī)器學(xué)習(xí)等眾多領(lǐng)域的技術(shù),已經(jīng)成為當(dāng)前研究的熱點(diǎn)和難點(diǎn)。針對(duì)現(xiàn)有的行為模型表達(dá)能力和組合靈活性不足的問(wèn)題,設(shè)計(jì)了一種分層行為模型,引入行為樹(shù)的概念,對(duì)現(xiàn)有的行為模型進(jìn)行了發(fā)展和完善;并通過(guò)添加動(dòng)態(tài)調(diào)度節(jié)點(diǎn)賦予行為樹(shù)動(dòng)態(tài)調(diào)度的能力,解決了傳統(tǒng)行為樹(shù)難以表達(dá)非邏輯性的行為組合的問(wèn)題。針對(duì)深度學(xué)習(xí)由于計(jì)算密集而難以在移動(dòng)機(jī)器人行為控制中應(yīng)用的問(wèn)題,基于深度可分解卷積設(shè)計(jì)了一種輕量化的卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測(cè)模型,并通過(guò)視頻流重采樣技術(shù)對(duì)模型推理進(jìn)一步加速,實(shí)驗(yàn)驗(yàn)證了模型在機(jī)器人行為控制中的可用性。針對(duì)當(dāng)前移動(dòng)機(jī)器人自主性差的問(wèn)題,基于分層行為模型和目標(biāo)檢測(cè)設(shè)計(jì)了一種以行為樹(shù)為基礎(chǔ)的自主行為控制算法,并通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的可行性。而后提出了一種基于隨機(jī)森林的行為學(xué)習(xí)算法,實(shí)現(xiàn)了對(duì)行為的學(xué)習(xí),并通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的有效性。搭建了基于ArduinoUno控制器的移動(dòng)機(jī)器人硬件系統(tǒng),編寫(xiě)了機(jī)器人本地控制和遠(yuǎn)程決策的多線程程序,并對(duì)有關(guān)算法進(jìn)行了實(shí)驗(yàn)測(cè)試,實(shí)現(xiàn)了... 

【文章頁(yè)數(shù)】：99 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
學(xué)位論文數(shù)據(jù)集
摘要
ABSTRACT
第一章 緒論
    1.1 課題的研究背景及意義
    1.2 基于視覺(jué)的移動(dòng)機(jī)器人的研究現(xiàn)狀
        1.2.1 視覺(jué)移動(dòng)機(jī)器人的研究現(xiàn)狀
        1.2.2 機(jī)器視覺(jué)與目標(biāo)檢測(cè)定位的研究現(xiàn)狀
        1.2.3 機(jī)器學(xué)習(xí)與機(jī)器人控制的研究現(xiàn)狀
        1.2.4 當(dāng)前存在的問(wèn)題分析
    1.3 論文的主要研究?jī)?nèi)容及組織結(jié)構(gòu)
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 論文結(jié)構(gòu)
第二章 移動(dòng)機(jī)器人整體方案設(shè)計(jì)
    2.1 引言
    2.2 移動(dòng)機(jī)器人平臺(tái)的需求分析
        2.2.1 鏟運(yùn)機(jī)器人的應(yīng)用場(chǎng)景分析
        2.2.2 鏟運(yùn)機(jī)器人的需求分析和整體架構(gòu)
    2.3 移動(dòng)機(jī)器人平臺(tái)的硬件方案設(shè)計(jì)
    2.4 移動(dòng)機(jī)器人平臺(tái)的軟件方案設(shè)計(jì)
    2.5 移動(dòng)機(jī)器人平臺(tái)的無(wú)線通訊模塊設(shè)計(jì)
        2.5.1 無(wú)線通訊模塊總體方案
        2.5.2 傳輸信息的編碼方案設(shè)計(jì)
        2.5.3 無(wú)線通訊模塊實(shí)現(xiàn)
    2.6 機(jī)械臂抖動(dòng)修正實(shí)驗(yàn)
    2.7 本章小結(jié)
第三章 移動(dòng)機(jī)器人行為模型的設(shè)計(jì)與構(gòu)建
    3.1 引言
    3.2 傳統(tǒng)的行為模型及問(wèn)題
    3.3 基于行為樹(shù)的分層行為模型設(shè)計(jì)
        3.3.1 分層行為模型設(shè)計(jì)
        3.3.2 行為樹(shù)動(dòng)態(tài)調(diào)度算法設(shè)計(jì)
    3.4 鏟運(yùn)機(jī)器人分層行為模型的建立
        3.4.1 建立基礎(chǔ)動(dòng)作和行為庫(kù)
        3.4.2 建立機(jī)器人導(dǎo)航的行為樹(shù)
        3.4.3 子樹(shù)間的通訊與數(shù)據(jù)共享的實(shí)現(xiàn)
    3.5 本章小結(jié)
第四章 行為控制中基于深度學(xué)習(xí)的目標(biāo)檢測(cè)
    4.1 引言
    4.2 基于深度可分解卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法
        4.2.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        4.2.2 非極大抑制算法去除冗余結(jié)果
        4.2.3 卷積神經(jīng)網(wǎng)絡(luò)計(jì)算過(guò)程
        4.2.4 遷移學(xué)習(xí)
    4.3 目標(biāo)檢測(cè)模型的訓(xùn)練
        4.3.1 準(zhǔn)備訓(xùn)練數(shù)據(jù)
        4.3.2 模型訓(xùn)練
        4.3.3 目標(biāo)檢測(cè)模型的驗(yàn)證
    4.4 目標(biāo)檢測(cè)模型的應(yīng)用
        4.4.1 視頻流重采樣
        4.4.2 目標(biāo)檢測(cè)模型的應(yīng)用流程
    4.5 目標(biāo)檢測(cè)實(shí)驗(yàn)
        4.5.1 檢視行為中的目標(biāo)檢測(cè)
        4.5.2 機(jī)械臂運(yùn)動(dòng)中的目標(biāo)檢測(cè)
    4.6 本章小結(jié)
第五章 移動(dòng)機(jī)器人自主行為控制和行為學(xué)習(xí)
    5.1 引言
    5.2 基于行為樹(shù)和視覺(jué)反饋的自主行為控制
        5.2.1 基于視覺(jué)反饋的導(dǎo)航控制問(wèn)題分析
        5.2.2 基于行為樹(shù)的導(dǎo)航算法設(shè)計(jì)
        5.2.3 基于行為樹(shù)的鏟運(yùn)行為決策算法設(shè)計(jì)
        5.2.4 基于行為樹(shù)的自主行為控制實(shí)驗(yàn)
    5.3 基于隨機(jī)森林的行為學(xué)習(xí)
        5.3.1 基于隨機(jī)森林的行為學(xué)習(xí)算法設(shè)計(jì)
        5.3.2 行為學(xué)習(xí)算法實(shí)驗(yàn)
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
研究成果及發(fā)表的學(xué)術(shù)論文
作者及導(dǎo)師簡(jiǎn)介
附件


【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳神經(jīng)網(wǎng)絡(luò)的機(jī)器人視覺(jué)控制方法[J]. 郭文靜,鄭來(lái)芳.  電子測(cè)量技術(shù). 2017(12)
[2]單目視覺(jué)引導(dǎo)機(jī)器人在視覺(jué)檢測(cè)中的應(yīng)用[J]. 曾鵬.  電子技術(shù)與軟件工程. 2017(10)
[3]基于雙目視覺(jué)機(jī)器人自定位與動(dòng)態(tài)目標(biāo)定位[J]. 盧洪軍.  沈陽(yáng)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[4]多GPU環(huán)境下的卷積神經(jīng)網(wǎng)絡(luò)并行算法[J]. 王裕民,顧乃杰,張孝慈.  小型微型計(jì)算機(jī)系統(tǒng). 2017(03)
[5]室內(nèi)移動(dòng)機(jī)器人機(jī)器視覺(jué)定位系統(tǒng)的設(shè)計(jì)[J]. 欒祿祥.  自動(dòng)化儀表. 2017(02)
[6]基于道路結(jié)構(gòu)特征的智能車(chē)單目視覺(jué)定位[J]. 俞毓鋒,趙卉菁,崔錦實(shí),査紅彬.  自動(dòng)化學(xué)報(bào). 2017(05)
[7]基于深度學(xué)習(xí)的工業(yè)分揀機(jī)器人快速視覺(jué)識(shí)別與定位算法[J]. 伍錫如,黃國(guó)明,孫立寧.  機(jī)器人. 2016(06)
[8]基于學(xué)習(xí)機(jī)制的移動(dòng)機(jī)器人動(dòng)態(tài)場(chǎng)景自適應(yīng)導(dǎo)航方法[J]. 張德龍,李威凌,吳懷宇,陳洋.  信息與控制. 2016(05)
[9]嫦娥三號(hào)“玉兔號(hào)”巡視器行為規(guī)劃方法[J]. 高薇,蔡敦波,周建平,高宇輝,殷明浩.  北京航空航天大學(xué)學(xué)報(bào). 2017(02)
[10]深度學(xué)習(xí)在控制領(lǐng)域的研究現(xiàn)狀與展望[J]. 段艷杰,呂宜生,張杰,趙學(xué)亮,王飛躍.  自動(dòng)化學(xué)報(bào). 2016(05)

博士論文
[1]輪式移動(dòng)機(jī)器人視覺(jué)伺服策略研究[D]. 李寶全.南開(kāi)大學(xué) 2015
[2]全方位視覺(jué)技術(shù)及其在智能移動(dòng)機(jī)器人等領(lǐng)域的應(yīng)用研究[D]. 席志紅.哈爾濱工程大學(xué) 2006
[3]基于圖像的智能機(jī)器人視覺(jué)伺服系統(tǒng)[D]. 楊延西.西安理工大學(xué) 2003

碩士論文
[1]四驅(qū)輪式移動(dòng)機(jī)器人建模與運(yùn)動(dòng)控制研究[D]. 卓穎莉.浙江大學(xué) 2017
[2]基于視覺(jué)機(jī)器人的目標(biāo)定位技術(shù)研究[D]. 劉念.華南農(nóng)業(yè)大學(xué) 2016



本文編號(hào)：3650010