隨著人工智能相關(guān)技術(shù)的不斷發(fā)展,人類(lèi)對(duì)機(jī)器人功能及性能的期望與其本體有限的板載處理能力之間的矛盾愈演愈烈。云機(jī)器人的誕生,使機(jī)器人節(jié)點(diǎn)可以實(shí)時(shí)利用云計(jì)算平臺(tái)的資源和數(shù)據(jù)來(lái)擴(kuò)展自己的能力,從而成為了解決上述矛盾的有效手段。然而,已有的云機(jī)器人系統(tǒng)大多集中在云端智能的研究,如何優(yōu)化云機(jī)器人網(wǎng)絡(luò)架構(gòu)使其能夠從底層保障機(jī)器人的協(xié)同協(xié)作、任務(wù)分配和實(shí)時(shí)交互尚待研究。其次,如何平衡機(jī)器人端和云端處理的計(jì)算量,在提高機(jī)器人任務(wù)執(zhí)行效率的同時(shí)保障機(jī)器人的續(xù)航能力,仍有待進(jìn)行深入分析。另外,現(xiàn)有機(jī)器人產(chǎn)品大多成本高昂,嚴(yán)重阻礙了機(jī)器人產(chǎn)業(yè)的商業(yè)化和民用化進(jìn)程,亟需深度融合云機(jī)器人系統(tǒng)優(yōu)勢(shì)給出在低成本機(jī)器人上部署人工智能相關(guān)應(yīng)用的解決方案。本文結(jié)合上述背景及團(tuán)隊(duì)已有基礎(chǔ),分別對(duì)云機(jī)器人系統(tǒng)網(wǎng)絡(luò)架構(gòu)、計(jì)算卸載機(jī)制和可行性應(yīng)用進(jìn)行了研究。本文主要工作與創(chuàng)新成果可概括如下:(1)針對(duì)云機(jī)器人系統(tǒng)網(wǎng)絡(luò)架構(gòu)優(yōu)化問(wèn)題,分別從網(wǎng)絡(luò)架構(gòu)和網(wǎng)絡(luò)資源分配兩個(gè)角度開(kāi)展了研究。首先,本文提出了一種分布式連通支配集構(gòu)建方法,機(jī)器人通過(guò)連通支配集的骨干節(jié)點(diǎn)與云平臺(tái)進(jìn)行間接通信,從而提高了云機(jī)器人系統(tǒng)整體通信效率,保證了云機(jī)器人系統(tǒng)在...

【文章頁(yè)數(shù)】：124 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
致謝
摘要
Abstract
1 引言
    1.1 研究背景
    1.2 研究意義
    1.3 研究?jī)?nèi)容與成果
    1.4 論文組織結(jié)構(gòu)
2 現(xiàn)有研究回顧
    2.1 云機(jī)器人系統(tǒng)背景知識(shí)
        2.1.1 云計(jì)算概述
        2.1.2 云機(jī)器人系統(tǒng)
    2.2 云機(jī)器人系統(tǒng)網(wǎng)絡(luò)架構(gòu)
        2.2.1 通信網(wǎng)絡(luò)架構(gòu)
        2.2.2 云機(jī)器人網(wǎng)絡(luò)帶寬分配
    2.3 云機(jī)器人任務(wù)分配與計(jì)算卸載策略
        2.3.1 任務(wù)分配
        2.3.2 計(jì)算卸載
    2.4 機(jī)器人視覺(jué)SLAM與計(jì)算機(jī)視覺(jué)
        2.4.1 機(jī)器人視覺(jué)SLAM
        2.4.2 計(jì)算機(jī)視覺(jué)
3 云機(jī)器人系統(tǒng)網(wǎng)絡(luò)架構(gòu)優(yōu)化算法
    3.1 本章引言
    3.2 相關(guān)工作
    3.3 基于CDS骨干網(wǎng)的云機(jī)器人系統(tǒng)網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)
        3.3.1 問(wèn)題描述和系統(tǒng)模型構(gòu)建
        3.3.2 最少機(jī)器人節(jié)點(diǎn)CDS構(gòu)造算法
        3.3.3 實(shí)驗(yàn)結(jié)果仿真
        3.3.4 小結(jié)
    3.4 云機(jī)器人系統(tǒng)網(wǎng)絡(luò)帶寬資源預(yù)分配方法
        3.4.1 問(wèn)題描述
        3.4.2 基于遺傳算法的云機(jī)器人系統(tǒng)網(wǎng)絡(luò)資源分配方法
        3.4.3 實(shí)驗(yàn)結(jié)果仿真
        3.4.4 小結(jié)
    3.5 本章小結(jié)
4 能耗敏感的云機(jī)器人系統(tǒng)計(jì)算卸載策略
    4.1 本章引言
    4.2 系統(tǒng)模型和問(wèn)題構(gòu)建
        4.2.1 任務(wù)卸載模型
        4.2.2 能耗敏感模型
        4.2.3 問(wèn)題描述
    4.3 基于遺傳算法的計(jì)算卸載策略尋優(yōu)
    4.4 實(shí)驗(yàn)及結(jié)果分析
        4.4.1 實(shí)驗(yàn)設(shè)置和評(píng)估指標(biāo)
        4.4.2 實(shí)驗(yàn)結(jié)果和評(píng)價(jià)
    4.5 本章小結(jié)
5 基于計(jì)算卸載的云機(jī)器人SLAM機(jī)制研究
    5.1 本章引言
    5.2 問(wèn)題描述與模型構(gòu)建
    5.3 最佳卸載點(diǎn)評(píng)價(jià)方法
    5.4 實(shí)驗(yàn)設(shè)計(jì)與分析
    5.5 本章小結(jié)
6 云機(jī)器人系統(tǒng)深度卷積神經(jīng)網(wǎng)絡(luò)部署策略
    6.1 本章引言
    6.2 問(wèn)題描述與模型構(gòu)建
    6.3 網(wǎng)絡(luò)分段點(diǎn)的確定
    6.4 實(shí)驗(yàn)設(shè)計(jì)及分析
    6.5 本章小結(jié)
7 結(jié)論
    7.1 論文工作總結(jié)
    7.2 未來(lái)展望
參考文獻(xiàn)
作者簡(jiǎn)歷及在學(xué)研究成果
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3816539