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(jī)器人領(lǐng)域的重要研究方向之一。機(jī)器人所在環(huán)境對(duì)象的三維建模及其識(shí)別和檢測(cè)是機(jī)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(duì)機(jī)器人三維環(huán)境對(duì)象感知進(jìn)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(duì)象的目標(biāo)識(shí)別和檢測(cè)。其次,搭建了機(jī)器人雙目視覺平臺(tái)。分析了雙目視覺系統(tǒng)的測(cè)距原理,完成了雙目視覺平臺(tái)的相機(jī)和鏡頭等硬件選型以及采集系統(tǒng)結(jié)構(gòu)安裝設(shè)計(jì),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(duì)三維環(huán)境對(duì)象進(jìn)行目標(biāo)識(shí)別。將機(jī)器人雙目視覺平臺(tái)采集到的三維環(huán)境對(duì)象原始數(shù)據(jù)進(jìn)行預(yù)處理,完成環(huán)境對(duì)象3D數(shù)據(jù)的點(diǎn)云化,點(diǎn)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(duì)稱函數(shù)處理點(diǎn)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(jì)出直接利用點(diǎn)云數(shù)據(jù)的三維環(huán)境對(duì)象目標(biāo)識(shí)別深度學(xué)習(xí)算法并進(jìn)行試驗(yàn)和結(jié)果分析。實(shí)驗(yàn)結(jié)果表明,本章提出的目標(biāo)識(shí)別深度學(xué)習(xí)算法能夠在ModlNet40基準(zhǔn)上對(duì)大規(guī)模復(fù)雜3D點(diǎn)云數(shù)據(jù)進(jìn)行分類... 

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)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(jī)器人三維環(huán)境對(duì)象感知的研究現(xiàn)狀
    1.3 機(jī)器人三維環(huán)境對(duì)象感知中物體識(shí)別的研究現(xiàn)狀
    1.4 機(jī)器人三維環(huán)境對(duì)象感知中目標(biāo)檢測(cè)的研究現(xiàn)狀
    1.5 研究?jī)?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(jí)
        2.3.2 探測(cè)級(jí)
        2.3.3 池化級(jí)
    2.4 CNN與 RNN比較
    2.5 本章小結(jié)
第3章 雙目視覺平臺(tái)搭建
    3.1 雙目視覺系統(tǒng)測(cè)距原理
    3.2 雙目視覺平臺(tái)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(duì)象目標(biāo)識(shí)別深度學(xué)習(xí)算法
    4.1 三維環(huán)境對(duì)象數(shù)據(jù)處理
        4.1.1 數(shù)據(jù)點(diǎn)云化
        4.1.2 點(diǎn)云濾波
        4.1.3 點(diǎn)云數(shù)據(jù)的中心化和歸一化
        4.1.4 點(diǎn)云數(shù)據(jù)無序性和不變性處理
            4.1.4.1 對(duì)稱函數(shù)處理點(diǎn)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(biāo)識(shí)別深度學(xué)習(xí)算法設(shè)計(jì)
    4.3 目標(biāo)識(shí)別深度學(xué)習(xí)算法實(shí)驗(yàn)及結(jié)果分析
        4.3.1 深度學(xué)習(xí)算法運(yùn)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(duì)象目標(biāo)檢測(cè)深度學(xué)習(xí)算法
    5.1 深度殘差網(wǎng)絡(luò)
    5.2 多級(jí)特征金字塔
    5.3 區(qū)域池化網(wǎng)絡(luò)
    5.4 目標(biāo)檢測(cè)深度學(xué)習(xí)算法設(shè)計(jì)
    5.5 目標(biāo)檢測(cè)算法的實(shí)驗(yàn)與結(jié)果分析
        5.5.1 實(shí)驗(yàn)軟硬件環(huán)境及參數(shù)設(shè)置
        5.5.2 實(shí)驗(yàn)數(shù)據(jù)集
        5.5.3 試驗(yàn)評(píng)價(jià)指標(biāo)
        5.5.4 實(shí)驗(yàn)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(xiàn)
攻讀碩士期間發(fā)表論文和科研參加情況
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]基于目標(biāo)檢測(cè)和語義分割共享單車類別與違停檢測(cè)[J]. 嚴(yán)廣宇,劉正熙,熊運(yùn)余,李征,趙逸如.  計(jì)算機(jī)應(yīng)用研究. 2020(10)
[2]基于改進(jìn)PointNet網(wǎng)絡(luò)的三維手姿估計(jì)方法[J]. 馬利,金珊杉,牛斌.  計(jì)算機(jī)應(yīng)用研究. 2020(10)



本文編號(hào)：3683485