基于视觉注意力机制的机器人手眼协调抓取技术

目录

声明

1 绪论

1.1 课题来源

1.2 课题背景和意义

（1）、 课题的背景

（2）、 课题的意义

1.3 相关技术国内外研究现状

1.3.1 机器人抓取技术

1.3.2 深度学习技术

1.3.3 支持向量机在深度学习中的应用

1.4 本文主要研究内容

2 机器人手眼协调抓取系统设计

2.1 手眼协调抓取任务步骤分解

2.2 硬件系统构成

2.3 训练数据构成

2.4 数据采集方案

2.5 本章小结

3 基于视觉注意力的抓取成功率预测模型

3.1 视觉注意力算法思想

3.2 抓取成功率预测模型结构

3.2.1 瞥视网络（Glimpse Network）

3.2.2 循环网络（Recurrent Network）

3.2.3 发射网络（Emission Network）

3.2.4 上下文网络（Context Network）

3.2.5 分类网络（Classification Network）

3.3 模型训练方法及原理

3.4 支持向量机在模型中的应用

3.4.1 Sigmoid分类器原理及局限性分析

3.4.2 支持向量机的特点及应用方法

3.5 本章小结

4 基于交叉熵方法的最优指令搜索算法和视觉伺服机制

4.1 基于交叉熵方法的最优运动指令搜索算法

4.2 视觉伺服机制

4.3 本章小结

5 机器人手眼协调抓取系统实验验证

5.1 抓取成功率预测模型实现

5.1.1 模型各模块超参数配置

5.1.2 模型训练过程及性能指标

5.1.3 视觉注意力有效性验证

5.2 最优指令搜索算法效果验证

5.3 抓取系统构建及实验效果

5.4 本章小结

6 全文总结与展望

6.1 全文总结

6.2 研究展望

致谢

参考文献