隨著我國(guó)勞動(dòng)力的日益短缺及中國(guó)智能2025的提出,發(fā)展智能機(jī)器人成了我國(guó)當(dāng)前的迫切需求。目前,大多數(shù)機(jī)器人的工作都是通過(guò)預(yù)設(shè)好的程序進(jìn)行重復(fù)性的指定動(dòng)作,一旦作業(yè)環(huán)境發(fā)生變化,機(jī)器人就需要重新編程才能適應(yīng)新的環(huán)境。研究帶有目標(biāo)檢測(cè)功能的機(jī)器人,可以賦予機(jī)器人感知環(huán)境的能力,從而根據(jù)環(huán)境變化進(jìn)行伺服控制。本文通過(guò)對(duì)目標(biāo)檢測(cè)器及機(jī)器人視覺(jué)伺服系統(tǒng)進(jìn)行研究,搭建了目標(biāo)檢測(cè)機(jī)器人的軟硬件平臺(tái),并對(duì)目標(biāo)檢測(cè)器提出了 一系列改進(jìn),主要研究?jī)?nèi)容如下:針對(duì)移動(dòng)機(jī)器人在變化的環(huán)境中作業(yè)的應(yīng)用需求,對(duì)總體方案包括機(jī)械結(jié)構(gòu)與硬件方案進(jìn)行了設(shè)計(jì)。首先在機(jī)械結(jié)構(gòu)上,機(jī)器人主體結(jié)構(gòu)采用鋁合金板進(jìn)行輕量化設(shè)計(jì),并設(shè)計(jì)有兩層承載板,用于承載各種傳感器和其他物體,驅(qū)動(dòng)方式采用差速驅(qū)動(dòng),差速輪與伺服電機(jī)直接相連,可以非常精確且方便的控制機(jī)器人的前進(jìn),后退與轉(zhuǎn)向,機(jī)器人設(shè)計(jì)運(yùn)行速度為不超過(guò)40m/min,檢測(cè)范圍設(shè)計(jì)為0.3-10m。對(duì)于機(jī)器人的硬件系統(tǒng),本文使用了上下位機(jī)協(xié)同的兩層板卡設(shè)計(jì)方案。上位機(jī)采用TX2作為主控計(jì)算機(jī),對(duì)視覺(jué)傳感器獲取的數(shù)據(jù)進(jìn)行分析計(jì)算,然后通過(guò)CAN總線將計(jì)算結(jié)果傳遞到下位機(jī),下位機(jī)使用STM3... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－３圖像中提取的卷積特征??同時(shí)，隨ＧＰＵ，?ＣＰＵ等硬件設(shè)的展以及卷經(jīng)網(wǎng)絡(luò)的量化設(shè)計(jì)，??

第１章緒論??度。有效數(shù)據(jù)的急劇擴(kuò)增，高性能計(jì)算硬件的實(shí)現(xiàn)以及訓(xùn)練方法的大幅完善［１１］，??使得基于深度學(xué)習(xí)的目標(biāo)檢測(cè)得以在機(jī)器人感知領(lǐng)域大顯身手，也使得目標(biāo)檢測(cè)??機(jī)器人可以更加容易的認(rèn)識(shí)與感知周圍環(huán)境，幫助其更好的完成定位與導(dǎo)航工??作。??１．２目標(biāo)檢測(cè)技術(shù)研究現(xiàn)狀??１．２．１卷積神經(jīng)網(wǎng)絡(luò)??卷積神經(jīng)網(wǎng)絡(luò)是近幾年來(lái)人工智能領(lǐng)域非常重要的技術(shù)之一，被大量應(yīng)用于??目標(biāo)識(shí)別，圖像分類，圖像分割等項(xiàng)目中［１２］。如圖１－４所示，為一個(gè)基礎(chǔ)的卷積??神經(jīng)網(wǎng)絡(luò)的組件結(jié)構(gòu)［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(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)??與傳統(tǒng)的全連接神經(jīng)網(wǎng)絡(luò)相比，卷積神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間只需要進(jìn)行局部??連接，且每個(gè)通道的特征圖感知野間參數(shù)共享，可以有效避免全連接神經(jīng)網(wǎng)絡(luò)中??計(jì)算量過(guò)大，對(duì)圖像像素變化的適應(yīng)性較差等缺點(diǎn)［１４］。本文以輕量級(jí)的卷積神經(jīng)??網(wǎng)絡(luò)作為目標(biāo)檢測(cè)特征提取的主干網(wǎng)絡(luò)，有助于減少參數(shù)量，加快訓(xùn)練速度與前??向計(jì)算速度。??ＹａｎｎＬｅＣｕｎ等人于１９９８年提出了?ＬｅＮｅｔ－５網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)結(jié)構(gòu)使用了七??層卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包含了卷積層，池化層等基本結(jié)構(gòu)，成功應(yīng)用到了手寫字??識(shí)別領(lǐng)域中，并使識(shí)別得錯(cuò)誤率降到了?５％—下［１５］。２０１２年，Ｋｒｉｚｈｅｖｓｋｙ等提出??ＡｌｅｘＮｅｔ模型［１６】，從網(wǎng)絡(luò)規(guī)模上大大超越了?ＬｅＮｅｔ－５，ＡｌｅｘＮｅｔ在當(dāng)年ＩｍａｇｅＮｅｔ??競(jìng)賽中以超越第二名］０．９個(gè)百分點(diǎn)的成績(jī)拔得頭籌，使得卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算??機(jī)領(lǐng)域被廣泛關(guān)注。Ａ

山東大學(xué)碩士學(xué)位論文??等多個(gè)模塊，這種方式可以非常方便的對(duì)平臺(tái)進(jìn)行安裝，更換零部件，對(duì)于更換??或安裝傳感器進(jìn)行調(diào)試也非常方便。移動(dòng)機(jī)器人的車身采用了鋁合金輕量化設(shè)??計(jì)，其余所有零部件均采用輕量級(jí)材料，且均為組裝結(jié)構(gòu)，外觀如圖２－１所示。??圖２－１移動(dòng)機(jī)器人平臺(tái)??（１）承載模塊：選用鋁合金輕量化設(shè)計(jì)，由上下兩層承載板組成，在保證??承載能力的同時(shí)，減輕了車體整體重量，用于承載物體和傳感器等。??（２）驅(qū)動(dòng)轉(zhuǎn)向模塊：采用雙輪差速驅(qū)動(dòng)，驅(qū)動(dòng)電機(jī)采用伺服電機(jī)，驅(qū)動(dòng)電??機(jī)通過(guò)聯(lián)軸器與輪子相連，伺服電機(jī)運(yùn)動(dòng)精度較高，能夠保證目標(biāo)檢測(cè)機(jī)器人在??移動(dòng)過(guò)程中的運(yùn)動(dòng)精度。??（３）控制模塊：采用雙層控制板，上位機(jī)使用ＴＸ２作為主控計(jì)算機(jī)用于數(shù)??據(jù)處理，下位機(jī)使用ＳＴＭ３２進(jìn)行驅(qū)動(dòng)管理與電機(jī)控制，兩者通過(guò)ＣＡＮ總線進(jìn)??行通信。??（４）傳感器模塊：搭載了深度相機(jī)，紅外傳感器，陀螺儀等傳感設(shè)備，負(fù)??責(zé)接收環(huán)境信息，并傳給主控計(jì)算機(jī)進(jìn)行處理。??（５）輔助模塊：包括離線保護(hù)，無(wú)線通信，懸掛機(jī)構(gòu)等。??具體設(shè)計(jì)參數(shù)如表２－１所示：??表２－１目標(biāo)檢測(cè)機(jī)器人平臺(tái)性能參數(shù)??參數(shù)名稱?指標(biāo)??外形尺寸／?（ｍｍ）?６０３ｘ５５８ｘ３４０??車體總重／?（ｋｇ）?５０??１２??


本文編號(hào)：3272765