首页> 中文学位 >基于机器学习的智能机器人环境视觉感知方法研究
【6h】

基于机器学习的智能机器人环境视觉感知方法研究

代理获取

目录

声明

1绪论

1.1 课题来源

1.2 课题研究背景和意义

1.3 智能机器人环境视觉感知方法国内外研究现状

1.3.1 基于机器学习的感知数据信息提取方法

1.3.2 三维视觉环境物体种类识别方法

1.3.3 三维视觉目标物体空间状态感知方法

1.4 智能机器人环境视觉感知方法现有研究存在的问题

1.5 本文的研究内容及章节安排

2基于虚拟模板的三维数据机器学习过程建模方法

2.1 引言

2.2 基于机器学习模型反向传播过程的虚拟模板假设

2.3 基于虚拟模板假设的三维卷积过程数学模型设计

2.4 输出向量方差对学习结果影响的仿真分析

2.5 本章小结

3基于卷积网络的智能机器人环境物体种类识别方法

3.1 引言

3.2 基于各向异性卷积分层网络的物体识别建模分析

3.2.1 三维视觉数据中形貌信息含量的方向性分析

3.2.2 基于各向异性卷积的三维形貌信息提取方法

3.2.3 基于层特征融合方法的分层网络模型设计

3.3 基于点云卷积网络的物体识别建模分析

3.3.1 机器人三维视觉感知数据点云表达的优势分析

3.3.2 基于点云卷积函数的三维点云局部特征信息学习方法

3.3.3 基于可交互空间池化函数的点云卷积模型设计

3.4 三维形貌数据卷积函数物体类别特征提取能力分析

3.4.1 各向异性卷积函数特征提取能力分析

3.4.2 点云卷积函数特征提取能力分析

3.5 本章小结

4基于前馈映射的智能机器人目标物体空间状态感知方法

4.1 引言

4.2 三维形貌空间状态感知模型结构设计

4.2.1 基于前馈映射匹配的多种目标识别及空间状态估计模型

4.2.2 基于退化QR分解的单前馈物体空间状态计算精度提高模型设计

4.2.3 基于中心漂移前馈补偿的双前馈局部形貌空间状态计算模型设计

4.2.4 基于前馈三维映射的目标物体几何尺寸与空间状态同步计算模型设计

4.3 三维形貌空间状态感知模型优化目标函数设计

4.3.1 非监督式单前馈映射模型优化目标函数设计

4.3.2 基于分布方差与随机采样的非监督优化目标函数建模

4.3.3 AI监督式局部形貌空间状态计算模型优化目标函数设计

4.3.4 基于空间距离损失的线性三维映射模型优化目标函数设计

4.4 三维形貌空间状态感知模型泛化能力分析

4.5 本章小结

5智能机器人环境视觉感知实验设计及结果分析

5.1 引言

5.2 机器人室内环境物体种类识别实验

5.2.1 环境物体分类实验及分析

5.2.2 环境物体相似形貌查找实验及分析

5.2.3 环境物体识别模型迁移实验及分析

5.3 机器人目标物体空间状态感知实验

5.3.1 基于前馈映射匹配方法的多种目标物体识别及空间状态估计实验

5.3.2 基于退化QR分解方法的多种目标物体识别及空间状态感知实验

5.3.3 基于局部形貌特征的目标物体空间状态感知实验

5.4 基于机器人手眼系统的目标物体空间状态检测实验

5.5 基于智能机器人目标物体感知方法的车轮半径测量实验

5.6 本章小结

6总结与展望

6.1 论文总结

6.2 工作展望

致谢

参考文献

附录1 攻读博士学位期间发表的主要论文

附录2 攻读博士学位期间参与的相关项目材料

展开▼

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号