隨著我國勞動力的日益短缺及中國智能2025的提出,發(fā)展智能機器人成了我國當前的迫切需求。目前,大多數機器人的工作都是通過預設好的程序進行重復性的指定動作,一旦作業(yè)環(huán)境發(fā)生變化,機器人就需要重新編程才能適應新的環(huán)境。研究帶有目標檢測功能的機器人,可以賦予機器人感知環(huán)境的能力,從而根據環(huán)境變化進行伺服控制。本文通過對目標檢測器及機器人視覺伺服系統(tǒng)進行研究,搭建了目標檢測機器人的軟硬件平臺,并對目標檢測器提出了 一系列改進,主要研究內容如下:針對移動機器人在變化的環(huán)境中作業(yè)的應用需求,對總體方案包括機械結構與硬件方案進行了設計。首先在機械結構上,機器人主體結構采用鋁合金板進行輕量化設計,并設計有兩層承載板,用于承載各種傳感器和其他物體,驅動方式采用差速驅動,差速輪與伺服電機直接相連,可以非常精確且方便的控制機器人的前進,后退與轉向,機器人設計運行速度為不超過40m/min,檢測范圍設計為0.3-10m。對于機器人的硬件系統(tǒng),本文使用了上下位機協(xié)同的兩層板卡設計方案。上位機采用TX2作為主控計算機,對視覺傳感器獲取的數據進行分析計算,然后通過CAN總線將計算結果傳遞到下位機,下位機使用STM3... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：82 頁

【學位級別】：碩士

【部分圖文】：

圖１－３圖像中提取的卷積特征??同時，隨ＧＰＵ，?ＣＰＵ等硬件設的展以及卷經網絡的量化設計，??

第１章緒論??度。有效數據的急劇擴增，高性能計算硬件的實現(xiàn)以及訓練方法的大幅完善［１１］，??使得基于深度學習的目標檢測得以在機器人感知領域大顯身手，也使得目標檢測??機器人可以更加容易的認識與感知周圍環(huán)境，幫助其更好的完成定位與導航工??作。??１．２目標檢測技術研究現(xiàn)狀??１．２．１卷積神經網絡??卷積神經網絡是近幾年來人工智能領域非常重要的技術之一，被大量應用于??目標識別，圖像分類，圖像分割等項目中［１２］。如圖１－４所示，為一個基礎的卷積??神經網絡的組件結構［１３］。??桃核?，丨??：?—?－［＝－?Ｌ?：參??池化?ｒ???Ｋ?—＾?丨‘?￥??輸入層?卷積層?全連接層輸出層??圖１－４卷積神經網絡基本結構??與傳統(tǒng)的全連接神經網絡相比，卷積神經網絡的神經元之間只需要進行局部??連接，且每個通道的特征圖感知野間參數共享，可以有效避免全連接神經網絡中??計算量過大，對圖像像素變化的適應性較差等缺點［１４］。本文以輕量級的卷積神經??網絡作為目標檢測特征提取的主干網絡，有助于減少參數量，加快訓練速度與前??向計算速度。??ＹａｎｎＬｅＣｕｎ等人于１９９８年提出了?ＬｅＮｅｔ－５網絡結構，該網絡結構使用了七??層卷積神經網絡結構，包含了卷積層，池化層等基本結構，成功應用到了手寫字??識別領域中，并使識別得錯誤率降到了?５％—下［１５］。２０１２年，Ｋｒｉｚｈｅｖｓｋｙ等提出??ＡｌｅｘＮｅｔ模型［１６】，從網絡規(guī)模上大大超越了?ＬｅＮｅｔ－５，ＡｌｅｘＮｅｔ在當年ＩｍａｇｅＮｅｔ??競賽中以超越第二名］０．９個百分點的成績拔得頭籌，使得卷積神經網絡在計算??機領域被廣泛關注。Ａ

山東大學碩士學位論文??等多個模塊，這種方式可以非常方便的對平臺進行安裝，更換零部件，對于更換??或安裝傳感器進行調試也非常方便。移動機器人的車身采用了鋁合金輕量化設??計，其余所有零部件均采用輕量級材料，且均為組裝結構，外觀如圖２－１所示。??圖２－１移動機器人平臺??（１）承載模塊：選用鋁合金輕量化設計，由上下兩層承載板組成，在保證??承載能力的同時，減輕了車體整體重量，用于承載物體和傳感器等。??（２）驅動轉向模塊：采用雙輪差速驅動，驅動電機采用伺服電機，驅動電??機通過聯(lián)軸器與輪子相連，伺服電機運動精度較高，能夠保證目標檢測機器人在??移動過程中的運動精度。??（３）控制模塊：采用雙層控制板，上位機使用ＴＸ２作為主控計算機用于數??據處理，下位機使用ＳＴＭ３２進行驅動管理與電機控制，兩者通過ＣＡＮ總線進??行通信。??（４）傳感器模塊：搭載了深度相機，紅外傳感器，陀螺儀等傳感設備，負??責接收環(huán)境信息，并傳給主控計算機進行處理。??（５）輔助模塊：包括離線保護，無線通信，懸掛機構等。??具體設計參數如表２－１所示：??表２－１目標檢測機器人平臺性能參數??參數名稱?指標??外形尺寸／?（ｍｍ）?６０３ｘ５５８ｘ３４０??車體總重／?（ｋｇ）?５０??１２??


本文編號：3272765