足球场边线外视频转播用自主跟踪机的研究与设计
发布时间：2021-10-15 21:22
随着机器人技术的快速发展以及机器学习等技术的逐渐成熟,移动跟踪机器人广泛应用于各个领域,在越来越多的岗位上代替人类完成了复杂工作,实现了生产生活的智能化。本文针对足球比赛中边线区域的赛事拍摄和转播问题,基于目标检测等技术研究设计了一种自主跟踪机,旨在代替边线游动摄像团队实现赛事拍摄和转播的自动化,在增强安全性的同时减轻人员工作强度,增强拍摄灵活性,减少资源的投入。自主跟踪机的设计形式是双轮自平衡机器人,主要包括移动平台、视觉平台和检测控制平台三个部分。系统以基于深度学习的目标检测算法为核心技术,通过在边线区域对足球或运动员进行跟踪拍摄实现赛事录制和转播。本文对Mobile Net网络和SSD目标检测算法进行了研究,融合Mobile Net V3设计了MV3-SSD目标检测算法,轻量化的网络便于在嵌入式设备上进行搭建和应用,为自主跟踪机实现预期目标提供了有力保障。同时,本文分析了MV3-SSD目标检测算法应用的局限性,以自主跟踪机的应用环境为切入点,应用K-Means聚类算法对跟踪目标宽高比的数据分布进行了分析,通过优化MV3-SSD算法中特征层先验框的宽高比和数量并引入新的损失函数,提...
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 引言
1.2 课题研究背景及意义
1.3 国内外相关技术发展现状
1.3.1 移动跟踪机器人
1.3.2 目标识别与检测技术
1.4 论文主要研究内容
第2章 自主跟踪机系统设计方案
2.1 系统整体设计方案
2.2 自主跟踪机硬件设计方案
2.2.1 移动平台
2.2.2 视觉平台
2.2.3 检测控制平台
2.2.4 电源及稳压电路
2.3 系统软件平台
2.3.1 Tensor Flow深度学习平台
2.3.2 Open CV计算机视觉库
2.4 本章小结
第3章 基于深度学习的目标检测算法研究
3.1 卷积神经网络
3.1.1 卷积层与激活函数
3.1.2 池化层和全连接层
3.1.3 损失函数
3.1.4 反向传播
3.2 MV3-SSD目标检测算法的研究
3.2.1 Mobile Net网络
3.2.2 SSD目标检测算法
3.2.3 融合Mobile Net V3和SSD的目标检测算法
3.3 本章小结
第4章 目标检测算法优化与跟踪策略研究
4.1 针对特定目标检测的MV3-SSD算法优化
4.1.1 MV3-SSD算法优化思路
4.1.2 Specific MV3-SSD目标检测算法的研究与设计
4.2 自主跟踪机跟踪策略的研究
4.2.1 自主跟踪机运动学模型建立
4.2.2 位置与移动范围的确定
4.2.3 目标跟踪策略
4.3 本章小结
第5章 实验平台搭建及测试分析
5.1 自主跟踪机实验平台搭建
5.1.1 自主跟踪机原型机搭建
5.1.2 原型机系统流程设计
5.1.3 目标检测算法测试平台
5.2 自主跟踪机原型机系统测试
5.2.1 系统运行测试
5.2.2 基于陀螺仪和编码器测量的实时定位测试
5.3 基于深度学习的目标检测算法测试与分析
5.3.1 MV3-SSD目标检测算法性能测试
5.3.2 Specific MV3-SSD算法目标检测效果测试
5.4 误差分析
5.5 本章小结
结论
参考文献
攻读学位期间发表的学术成果
致谢
【参考文献】：
期刊论文
[1]智能机器人的认知与学习[J]. 孙富春. 机器人. 2019(05)
[2]基于TensorFlow框架足球场上目标模型的研究与实践[J]. 陈思,王纯. 电子测试. 2019(15)
[3]基于深度学习的实时图像目标检测系统设计[J]. 李林,张盛兵,吴鹃. 计算机测量与控制. 2019(07)
[4]基于深度学习的行人和骑行者目标检测及跟踪算法研究[J]. 胡超超,刘军,张凯,高雪婷. 汽车技术. 2019(07)
[5]TensorFlow读取数据在简单图像识别中的应用[J]. 来学伟. 现代信息科技. 2019(12)
[6]基于卷积神经网络的复杂场景目标检测算法[J]. 王晓宁,宫法明,时念云,吕轩轩. 计算机系统应用. 2019(06)
[7]基于深度学习的视频目标跟踪检测算法研究综述[J]. 李琴,王靖. 电脑知识与技术. 2019(16)
[8]TensorFlow架构与实现机制的研究[J]. 费宁,张浩然. 计算机技术与发展. 2019(09)
[9]智能机器人研究现状及发展趋势的思考与建议[J]. 陶永,王田苗,刘辉,江山. 高技术通讯. 2019(02)
[10]分析人工智能在智慧城市中的应用[J]. 马远智. 中国新通信. 2019(01)
本文编号：3438644
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：73 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 引言
1.2 课题研究背景及意义
1.3 国内外相关技术发展现状
1.3.1 移动跟踪机器人
1.3.2 目标识别与检测技术
1.4 论文主要研究内容
第2章 自主跟踪机系统设计方案
2.1 系统整体设计方案
2.2 自主跟踪机硬件设计方案
2.2.1 移动平台
2.2.2 视觉平台
2.2.3 检测控制平台
2.2.4 电源及稳压电路
2.3 系统软件平台
2.3.1 Tensor Flow深度学习平台
2.3.2 Open CV计算机视觉库
2.4 本章小结
第3章 基于深度学习的目标检测算法研究
3.1 卷积神经网络
3.1.1 卷积层与激活函数
3.1.2 池化层和全连接层
3.1.3 损失函数
3.1.4 反向传播
3.2 MV3-SSD目标检测算法的研究
3.2.1 Mobile Net网络
3.2.2 SSD目标检测算法
3.2.3 融合Mobile Net V3和SSD的目标检测算法
3.3 本章小结
第4章 目标检测算法优化与跟踪策略研究
4.1 针对特定目标检测的MV3-SSD算法优化
4.1.1 MV3-SSD算法优化思路
4.1.2 Specific MV3-SSD目标检测算法的研究与设计
4.2 自主跟踪机跟踪策略的研究
4.2.1 自主跟踪机运动学模型建立
4.2.2 位置与移动范围的确定
4.2.3 目标跟踪策略
4.3 本章小结
第5章 实验平台搭建及测试分析
5.1 自主跟踪机实验平台搭建
5.1.1 自主跟踪机原型机搭建
5.1.2 原型机系统流程设计
5.1.3 目标检测算法测试平台
5.2 自主跟踪机原型机系统测试
5.2.1 系统运行测试
5.2.2 基于陀螺仪和编码器测量的实时定位测试
5.3 基于深度学习的目标检测算法测试与分析
5.3.1 MV3-SSD目标检测算法性能测试
5.3.2 Specific MV3-SSD算法目标检测效果测试
5.4 误差分析
5.5 本章小结
结论
参考文献
攻读学位期间发表的学术成果
致谢
【参考文献】：
期刊论文
[1]智能机器人的认知与学习[J]. 孙富春. 机器人. 2019(05)
[2]基于TensorFlow框架足球场上目标模型的研究与实践[J]. 陈思,王纯. 电子测试. 2019(15)
[3]基于深度学习的实时图像目标检测系统设计[J]. 李林,张盛兵,吴鹃. 计算机测量与控制. 2019(07)
[4]基于深度学习的行人和骑行者目标检测及跟踪算法研究[J]. 胡超超,刘军,张凯,高雪婷. 汽车技术. 2019(07)
[5]TensorFlow读取数据在简单图像识别中的应用[J]. 来学伟. 现代信息科技. 2019(12)
[6]基于卷积神经网络的复杂场景目标检测算法[J]. 王晓宁,宫法明,时念云,吕轩轩. 计算机系统应用. 2019(06)
[7]基于深度学习的视频目标跟踪检测算法研究综述[J]. 李琴,王靖. 电脑知识与技术. 2019(16)
[8]TensorFlow架构与实现机制的研究[J]. 费宁,张浩然. 计算机技术与发展. 2019(09)
[9]智能机器人研究现状及发展趋势的思考与建议[J]. 陶永,王田苗,刘辉,江山. 高技术通讯. 2019(02)
[10]分析人工智能在智慧城市中的应用[J]. 马远智. 中国新通信. 2019(01)
本文编号：3438644
本文链接：https://www.wllwen.com/jiaoyulunwen/tylw/3438644.html
