隨著人工智能的發(fā)展,自主學(xué)習(xí)的寫字機(jī)器人一直是當(dāng)代研究的熱點(diǎn),這是機(jī)器人從只是單純的接受指令到自我學(xué)習(xí)的飛躍。目前主流的寫字機(jī)器人一般都是基于視覺的寫字機(jī)器人,由于其圖像數(shù)據(jù)的獲取和錄入都有較大的難度,圖像的千變?nèi)f化,書寫的好壞完全依賴于對(duì)圖像預(yù)處理的結(jié)果,所以給特征的提取帶來了很大的困難。并且具有圖像處理的硬件一般價(jià)格都比較昂貴,成本也比較高,這給大規(guī)模的實(shí)際應(yīng)用帶來了難度。本文利用廉價(jià)的開發(fā)芯片生產(chǎn)出適合低端市場(chǎng)需要的低成本寫字機(jī)器人,解決了傳統(tǒng)的基于視覺的寫字機(jī)器人對(duì)于圖像處理成本要求較高這個(gè)難題。本文主要研究?jī)?nèi)容如下:（1）研究了通過低廉的六軸加速度計(jì)和陀螺儀來獲取書寫時(shí)的姿態(tài)信息數(shù)據(jù),再利用RBF徑向基神經(jīng)網(wǎng)絡(luò)分類,對(duì)獲取的姿態(tài)數(shù)據(jù)利用預(yù)處理算法歸一化特征值,然后,機(jī)械臂將學(xué)習(xí)過的字符信息數(shù)據(jù)傳送到下位機(jī)控制器再進(jìn)行字符的書寫。這樣使得機(jī)械臂寫出來的字符只取決于學(xué)習(xí)到的字符,從而只需要帶有加速度計(jì)和陀螺儀的控制器就能控制機(jī)械臂進(jìn)行書寫,降低了傳統(tǒng)寫字機(jī)器人的成本。（2）研究了利用RBF神經(jīng)網(wǎng)絡(luò)對(duì)需要書寫的字符數(shù)據(jù)進(jìn)行學(xué)習(xí)分類,從幾個(gè)方面優(yōu)化了RBF神經(jīng)網(wǎng)絡(luò),使其識(shí)別率得以提高... 

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 論文背景與研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 基于姿態(tài)信息的人機(jī)交互技術(shù)
    1.4 本文組織結(jié)構(gòu)
第二章 相關(guān)理論與技術(shù)的分析
    2.1 RBF徑向基神經(jīng)網(wǎng)絡(luò)概述
    2.2 KNN算法的概述
    2.3 Madgwick的濾波算法
    2.4 Arduino cuire Genduino 101開發(fā)板簡(jiǎn)述
    2.5 本章小結(jié)
第三章 基于姿態(tài)識(shí)別的寫字機(jī)械人的系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    3.1 系統(tǒng)的整體設(shè)計(jì)框架
    3.2 數(shù)據(jù)預(yù)處理模塊
        3.2.1 截取姿勢(shì)片段
        3.2.2 消除重力偏差
        3.2.3 規(guī)范化時(shí)間軸
        3.2.4 規(guī)范化幅度軸
        3.2.5 拼接三軸數(shù)據(jù)
        3.2.6 Madgwick濾波
        3.2.7 提取特征片段
    3.3 分類器模塊
        3.3.1 RBF徑向基神經(jīng)網(wǎng)絡(luò)分類器的探究
        3.3.2 RBF徑向基神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和分類的設(shè)計(jì)
        3.3.3 RBF神經(jīng)網(wǎng)絡(luò)分類器的實(shí)現(xiàn)
    3.4 機(jī)械臂模塊
        3.4.1 機(jī)械臂的控制原理
        3.4.2 機(jī)械臂的硬件設(shè)計(jì)
        3.4.3 機(jī)械臂的通信設(shè)計(jì)
    3.5 本章小結(jié)
第四章 RBF分類算法的優(yōu)化實(shí)驗(yàn)
    4.1 RBF分類算法的優(yōu)化
    4.2 RBF分類算法的優(yōu)化實(shí)驗(yàn)
    4.3 本章小結(jié)
第五章 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
    5.1 基于動(dòng)作姿態(tài)的機(jī)械臂書寫實(shí)驗(yàn)
    5.2 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間完成的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]智能寫字機(jī)器人設(shè)計(jì)[J]. 陳玉敏,謝瑋,孟憲民,楊東岳.  計(jì)算機(jī)測(cè)量與控制. 2016(01)
[2]基于姿態(tài)識(shí)別的機(jī)器人人機(jī)交互系統(tǒng)設(shè)計(jì)[J]. 石琪琦,莊杰,黃煒,張佳東,左軒塵.  計(jì)算機(jī)工程與設(shè)計(jì). 2015(07)
[3]機(jī)器人寫字技術(shù)及其運(yùn)動(dòng)參數(shù)[J]. 王光建,廖志勇,陳雪華.  重慶大學(xué)學(xué)報(bào)(自然科學(xué)版). 2003(12)
[4]利用分維向量改進(jìn)神經(jīng)網(wǎng)絡(luò)在遙感模式識(shí)別中的分類精度[J]. 章楊清,劉政凱.  環(huán)境遙感. 1994(01)

博士論文
[1]基于深度機(jī)器學(xué)習(xí)的體態(tài)與手勢(shì)感知計(jì)算關(guān)鍵技術(shù)研究[D]. 杜宇.浙江大學(xué) 2017
[2]基于單個(gè)加速度傳感器的人體運(yùn)動(dòng)模式識(shí)別[D]. 薛洋.華南理工大學(xué) 2011
[3]柔性關(guān)節(jié)機(jī)械臂控制策略的研究[D]. 劉業(yè)超.哈爾濱工業(yè)大學(xué) 2009
[4]徑向基函數(shù)模型在板料成形工藝多目標(biāo)優(yōu)化設(shè)計(jì)中的應(yīng)用[D]. 安治國.重慶大學(xué) 2009
[5]進(jìn)化RBF神經(jīng)網(wǎng)絡(luò)分類器研究[D]. 薛富強(qiáng).解放軍信息工程大學(xué) 2009
[6]電磁場(chǎng)計(jì)算中的徑向基函數(shù)無網(wǎng)格法研究[D]. 張淮清.重慶大學(xué) 2008
[7]基于計(jì)算機(jī)視覺的手勢(shì)識(shí)別系統(tǒng)研究[D]. 周航.北京交通大學(xué) 2008
[8]基于決策樹和K最近鄰算法的文本分類研究[D]. 王煜.天津大學(xué) 2006
[9]滑�？刂评碚摷霸谝苿�(dòng)機(jī)械臂中的應(yīng)用[D]. 吳玉香.華南理工大學(xué) 2006
[10]基于現(xiàn)代信號(hào)分析和神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承智能診斷技術(shù)研究[D]. 陸爽.吉林大學(xué) 2004

碩士論文
[1]基于視覺的字母手勢(shì)識(shí)別技術(shù)研究及實(shí)現(xiàn)[D]. 陳彬彬.西南交通大學(xué) 2017
[2]基于Arduino的節(jié)能型智能家居系統(tǒng)的設(shè)計(jì)與研究[D]. 倪亞玲.電子科技大學(xué) 2017
[3]基于KNN算法的空間手勢(shì)識(shí)別研究與應(yīng)用[D]. 張碩.吉林大學(xué) 2017
[4]基于STM32嵌入式系統(tǒng)的電機(jī)驅(qū)動(dòng)控制與可靠性分析[D]. 張志威.電子科技大學(xué) 2017
[5]基于人體姿態(tài)識(shí)別的機(jī)器人控制技術(shù)研究[D]. 陳雪鋒.武漢科技大學(xué) 2014
[6]機(jī)器人的人體姿態(tài)動(dòng)作識(shí)別與模仿算法[D]. 李少波.上海交通大學(xué) 2013
[7]基于Arduino平臺(tái)開發(fā)交互式產(chǎn)品原型的研究[D]. 繆璐璐.上海交通大學(xué) 2013
[8]五自由度寫字機(jī)器人系統(tǒng)研究[D]. 類延超.山東大學(xué) 2012
[9]基于Arduino/Android的藍(lán)牙通信系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 鄭昊.湖北大學(xué) 2012
[10]基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)的故障診斷技術(shù)研究[D]. 吳偉.重慶大學(xué) 2012



本文編號(hào)：3651913