隨著視覺傳感技術(shù)和人工智能技術(shù)的快速發(fā)展,環(huán)境感知成為機器人領(lǐng)域的重要研究方向之一。機器人所在環(huán)境對象的三維建模及其識別和檢測是機器人感知客觀世界的基礎(chǔ)。本文基于深度學(xué)習(xí)理論和算法對機器人三維環(huán)境對象感知進行研究,主要完成了以下內(nèi)容:首先,分析了深度學(xué)習(xí)感知模型的原理和代表網(wǎng)絡(luò)結(jié)構(gòu),描述了深度學(xué)習(xí)感知模型的特征提取過程,選擇合適的深度學(xué)習(xí)網(wǎng)絡(luò)用于三維環(huán)境對象的目標識別和檢測。其次,搭建了機器人雙目視覺平臺。分析了雙目視覺系統(tǒng)的測距原理,完成了雙目視覺平臺的相機和鏡頭等硬件選型以及采集系統(tǒng)結(jié)構(gòu)安裝設(shè)計,基于多線程技術(shù)開發(fā)了雙目視覺圖像采集軟件。然后,利用深度學(xué)習(xí)算法對三維環(huán)境對象進行目標識別。將機器人雙目視覺平臺采集到的三維環(huán)境對象原始數(shù)據(jù)進行預(yù)處理,完成環(huán)境對象3D數(shù)據(jù)的點云化,點云濾波,中心化和歸一化,并根據(jù)深度學(xué)習(xí)網(wǎng)絡(luò)輸入規(guī)則,采用對稱函數(shù)處理點云無序輸入,利用輸入/特征變換網(wǎng)絡(luò)處理旋轉(zhuǎn)和平移不變性,設(shè)計出直接利用點云數(shù)據(jù)的三維環(huán)境對象目標識別深度學(xué)習(xí)算法并進行試驗和結(jié)果分析。實驗結(jié)果表明,本章提出的目標識別深度學(xué)習(xí)算法能夠在ModlNet40基準上對大規(guī)模復(fù)雜3D點云數(shù)據(jù)進行分類... 

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究意義
    1.2 基于深度學(xué)習(xí)的機器人三維環(huán)境對象感知的研究現(xiàn)狀
    1.3 機器人三維環(huán)境對象感知中物體識別的研究現(xiàn)狀
    1.4 機器人三維環(huán)境對象感知中目標檢測的研究現(xiàn)狀
    1.5 研究內(nèi)容和結(jié)構(gòu)安排
第2章 深度學(xué)習(xí)感知模型
    2.1 深度學(xué)習(xí)
    2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.3 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 卷積級
        2.3.2 探測級
        2.3.3 池化級
    2.4 CNN與 RNN比較
    2.5 本章小結(jié)
第3章 雙目視覺平臺搭建
    3.1 雙目視覺系統(tǒng)測距原理
    3.2 雙目視覺平臺搭建
    3.3 雙目視覺圖像采集軟件開發(fā)
    3.4 本章小結(jié)
第4章 三維環(huán)境對象目標識別深度學(xué)習(xí)算法
    4.1 三維環(huán)境對象數(shù)據(jù)處理
        4.1.1 數(shù)據(jù)點云化
        4.1.2 點云濾波
        4.1.3 點云數(shù)據(jù)的中心化和歸一化
        4.1.4 點云數(shù)據(jù)無序性和不變性處理
            4.1.4.1 對稱函數(shù)處理點云無序輸入
            4.1.4.2 輸入/特征變換網(wǎng)絡(luò)處理旋轉(zhuǎn)和平移不變性
    4.2 目標識別深度學(xué)習(xí)算法設(shè)計
    4.3 目標識別深度學(xué)習(xí)算法實驗及結(jié)果分析
        4.3.1 深度學(xué)習(xí)算法運行環(huán)境
        4.3.2 深度學(xué)習(xí)算法訓(xùn)練
    4.4 本章小結(jié)
第5章 三維環(huán)境對象目標檢測深度學(xué)習(xí)算法
    5.1 深度殘差網(wǎng)絡(luò)
    5.2 多級特征金字塔
    5.3 區(qū)域池化網(wǎng)絡(luò)
    5.4 目標檢測深度學(xué)習(xí)算法設(shè)計
    5.5 目標檢測算法的實驗與結(jié)果分析
        5.5.1 實驗軟硬件環(huán)境及參數(shù)設(shè)置
        5.5.2 實驗數(shù)據(jù)集
        5.5.3 試驗評價指標
        5.5.4 實驗結(jié)果分析
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 展望
參考文獻
攻讀碩士期間發(fā)表論文和科研參加情況
致謝
作者簡介


【參考文獻】：
期刊論文
[1]基于目標檢測和語義分割共享單車類別與違停檢測[J]. 嚴廣宇,劉正熙,熊運余,李征,趙逸如.  計算機應(yīng)用研究. 2020(10)
[2]基于改進PointNet網(wǎng)絡(luò)的三維手姿估計方法[J]. 馬利,金珊杉,牛斌.  計算機應(yīng)用研究. 2020(10)



本文編號：3683485