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
华中科技大学;