基于深度学习的机器人三维环境对象感知

发布时间：2022-09-30 11:40

　　随着视觉传感技术和人工智能技术的快速发展,环境感知成为机器人领域的重要研究方向之一。机器人所在环境对象的三维建模及其识别和检测是机器人感知客观世界的基础。本文基于深度学习理论和算法对机器人三维环境对象感知进行研究,主要完成了以下内容:首先,分析了深度学习感知模型的原理和代表网络结构,描述了深度学习感知模型的特征提取过程,选择合适的深度学习网络用于三维环境对象的目标识别和检测。其次,搭建了机器人双目视觉平台。分析了双目视觉系统的测距原理,完成了双目视觉平台的相机和镜头等硬件选型以及采集系统结构安装设计,基于多线程技术开发了双目视觉图像采集软件。然后,利用深度学习算法对三维环境对象进行目标识别。将机器人双目视觉平台采集到的三维环境对象原始数据进行预处理,完成环境对象3D数据的点云化,点云滤波,中心化和归一化,并根据深度学习网络输入规则,采用对称函数处理点云无序输入,利用输入/特征变换网络处理旋转和平移不变性,设计出直接利用点云数据的三维环境对象目标识别深度学习算法并进行试验和结果分析。实验结果表明,本章提出的目标识别深度学习算法能够在ModlNet40基准上对大规模复杂3D点云数据进行分类... 

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 基于深度学习的机器人三维环境对象感知的研究现状
    1.3 机器人三维环境对象感知中物体识别的研究现状
    1.4 机器人三维环境对象感知中目标检测的研究现状
    1.5 研究内容和结构安排
第2章 深度学习感知模型
    2.1 深度学习
    2.2 循环神经网络
    2.3 卷积神经网络
        2.3.1 卷积级
        2.3.2 探测级
        2.3.3 池化级
    2.4 CNN与 RNN比较
    2.5 本章小结
第3章 双目视觉平台搭建
    3.1 双目视觉系统测距原理
    3.2 双目视觉平台搭建
    3.3 双目视觉图像采集软件开发
    3.4 本章小结
第4章 三维环境对象目标识别深度学习算法
    4.1 三维环境对象数据处理
        4.1.1 数据点云化
        4.1.2 点云滤波
        4.1.3 点云数据的中心化和归一化
        4.1.4 点云数据无序性和不变性处理
            4.1.4.1 对称函数处理点云无序输入
            4.1.4.2 输入/特征变换网络处理旋转和平移不变性
    4.2 目标识别深度学习算法设计
    4.3 目标识别深度学习算法实验及结果分析
        4.3.1 深度学习算法运行环境
        4.3.2 深度学习算法训练
    4.4 本章小结
第5章 三维环境对象目标检测深度学习算法
    5.1 深度残差网络
    5.2 多级特征金字塔
    5.3 区域池化网络
    5.4 目标检测深度学习算法设计
    5.5 目标检测算法的实验与结果分析
        5.5.1 实验软硬件环境及参数设置
        5.5.2 实验数据集
        5.5.3 试验评价指标
        5.5.4 实验结果分析
    5.6 本章小结
第6章 总结与展望
    6.1 本文工作总结
    6.2 展望
参考文献
攻读硕士期间发表论文和科研参加情况
致谢
作者简介


【参考文献】：
期刊论文
[1]基于目标检测和语义分割共享单车类别与违停检测[J]. 严广宇,刘正熙,熊运余,李征,赵逸如.  计算机应用研究. 2020(10)
[2]基于改进PointNet网络的三维手姿估计方法[J]. 马利,金珊杉,牛斌.  计算机应用研究. 2020(10)



本文编号：3683485