近年來,越來越多的服務類機器人進入人們的生活。在人機共居的環(huán)境下,機器人既需要完成任務,又需要與人保持適當?shù)木嚯x,做到及時避讓。傳統(tǒng)的機器人避讓方法,往往使用激光雷達、深度相機和傳統(tǒng)的視覺處理算法,前兩種方法成本過高,而傳統(tǒng)的視覺處理算法會受光照等因素影響,并且過程也尤其繁瑣。針對以上缺點,本文通過低成本單目相機,結(jié)合基于深度學習的深度估計與人體檢測算法,僅用單張圖片即可檢測到人體,同時得到人體的深度信息,讓機器人在正常運行的同時能夠?qū)θ思皶r避讓,因此本文的主要工作可分為以下四個部分:1)針對傳統(tǒng)深度估計方法過程復雜且計算量大的缺點,本文使用深度學習來進行深度估計。但是目前大多數(shù)基于深度學習的深度估計都是采用回歸的辦法,用均方差最小化訓練回歸網(wǎng)絡,并用跳連接層來獲取高分辨率的深度圖,因此會存在收斂速度緩慢、不理想的局域解和網(wǎng)絡訓練復雜等問題。在此背景下,本文提出一種深度空間遞增離散化策略來將深度值離散化,并作為一個有序回歸問題來訓練網(wǎng)絡,最后通過構(gòu)造一個有序回歸損失函數(shù),來獲取更高的精度和更快的收斂。2)針對以往人體檢測算法在定位階段矩形框精度不夠的缺點,本文通過對候選框區(qū)域、特征金字...

【文章頁數(shù)】：90 頁

【學位級別】：碩士

【部分圖文】：

面向人機共居的移動機器人室內(nèi)深度估計方法研究3圖1-1人機舒適距離研究結(jié)果1.2.2場景深度估計研究現(xiàn)狀場景深度估計是機器人獲取環(huán)境中距離信息的重要途經(jīng)。早期在研究深度估計問題時，主要利用各種視覺線索來與深度建立聯(lián)系，并以此來估計圖像深度。常規(guī)的視覺線索比如陰影、運動、幾何猜想等....

面向人機共居的移動機器人室內(nèi)深度估計方法研究7承載，因此，邊緣計算也就應運而生，其結(jié)構(gòu)示意圖如圖1-2所示。圖1-2邊緣計算結(jié)構(gòu)示意圖邊緣計算指的是在靠近數(shù)據(jù)源頭或者實物的一側(cè)，采用計算、存儲、網(wǎng)絡為一體的開放性平臺，就近提供所需的功能性服務。應用程序由邊緣側(cè)發(fā)起，因此對于網(wǎng)絡服....

面向人機共居的移動機器人室內(nèi)深度估計方法研究7承載，因此，邊緣計算也就應運而生，其結(jié)構(gòu)示意圖如圖1-2所示。圖1-2邊緣計算結(jié)構(gòu)示意圖邊緣計算指的是在靠近數(shù)據(jù)源頭或者實物的一側(cè)，采用計算、存儲、網(wǎng)絡為一體的開放性平臺，就近提供所需的功能性服務。應用程序由邊緣側(cè)發(fā)起，因此對于網(wǎng)絡服....

面向人機共居的移動機器人室內(nèi)深度估計方法研究13圖像對。從原理上來說，修正過的立體圖像對，或者連續(xù)的圖像幀中已經(jīng)擁有了深度信息。目前基于無監(jiān)督學習的深度估計方法主要可分為3大類，其方法流程分別如圖2-1所示，圖中的參數(shù)rI表示輸入的右視圖，lI表示輸入的左視圖，rd表示以右圖為基....

本文編號：3966538