基于多物理域多模态信息并行融合和条件对抗学习的智能主体自主感知方法研究
发布时间：2022-10-29 13:54
无人驾驶汽车、智能机床、智能机器人、智能电子皮肤等典型智能主体为现代社会发展提供了方便和支持,面对日益复杂的消费需求、制造工艺、多变复杂环境等多重因素影响,传统智能主体采用单物理域自主感知方法不足以因应这种复杂、高纬度、快速变化、非线性和不确定性的动态变化作用。为了避免复杂环境和条件下智能主体不准确甚至错误感知结果影响后续的自主推理、自主判断、自主学习、自主决策等智能能力的发挥,因此需要在采集稳定高质量的多模态信息前提之下,利用多物理域信息之间的互补关系、耦合关系等,通过信息融合恢复和重建因环境复杂多变带来的信息干扰和破坏,并对多物理域信息采用多种模式从多测度进行感知,提高感知的准确性和稳定性。针对了智能主体多模态信息融合问题,构建信息场与多物理域信息模型,阐述视觉模态和非视觉模态下大容量信息采集、并行处理、时频域分析与处理方法,提出基于图像质量最佳的机器视觉成像优化方法。该方法在Gopro和kohler测试基准上均取得当前最佳水平,目标识别准确率提高0.15mAP。并且对智能主体多物理域多模态信息并行融合问题,构建多物理域多模态信息多模式并行融合模型,提出基于改进变分自编码器的多物理...
【文章页数】：121 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题来源
1.2 课题背景及意义
1.3 国内外研究发展现状与趋势
1.4 拟解决的主要问题
1.5 主要研究内容及目标
1.5.1 研究内容
1.5.2 研究目标
1.6 主要特色及创新
1.7 论文结构
第2章 智能主体及自主感知问题描述与建模
2.1 概述
2.2 智能汽车与无人驾驶汽车及其应用环境的特性分析
2.2.1 智能汽车及其运动行驶、驾驶与安全特性
2.2.2 智能汽车应用场景的环境特性
2.2.3 无人驾驶汽车及其运动、驾驶与安全特性
2.2.4 无人驾驶汽车应用场景的环境特性
2.2.5 自主感知对无人驾驶汽车应对复杂环境的重要性及作用机制
2.2.6 无人驾驶汽车的技术体系及关键技术
2.3 基于智能机器的复杂制造问题及其求解机制分析
2.3.1 传统制造方法应对复杂制造问题的局限性
2.3.2 智能制造及智能机器的提出
2.3.3 智能机器的技术体系及关键共性技术
2.3.4 智能制造模式下复杂制造问题求解模型及主要机制
2.4 传统智能机器在面临复杂问题与环境时的不足与局限性分析
2.5 智能主体的提出及模型构建
2.6 智能主体自主感知问题的描述与建模
2.6.1 复杂问题及环境对智能主体自主感知的要求
2.6.2 自主感知对智能主体智能能力及行为的形成机制
2.6.3 智能主体自主感知的定义与内容
2.6.4 人类感知机理及其对人脑思考推理决策的作用与影响
2.6.5 多模态信息(非视觉与视觉模态)的获取与处理及融合对自主感知的作用
2.6.6 智能主体自主感知模型
2.7 智能主体自主感知解决方案
2.8 本章小结
第3章 面向智能主体自主感知的多物理域多模态信息并行融合方法研究
3.1 概述
3.2 信息场与多物理域信息及其模型构建
3.2.1 面向对象及其环境的信息场及其模型
3.2.2 多物理域与多模态信息
3.2.3 非视觉模态信息及其表征
3.2.4 视觉模态信息及其表征
3.2.5 非视觉模态下单一物理域多传感器信息场模型
3.2.6 视觉模态下多物理域信息场模型
3.2.7 多模态下跨物理域信息场统一模型
3.3 多物理域信息获取与多模态信息融合问题分析描述及解决思路
3.3.1 多物理域信息获取及其作用
3.3.2 多模态信息融合及其作用
3.3.3 大容量信息的并行处理融合
3.3.4 基本解决思路
3.4 非视觉模态下多物理域信息获取与处理方法
3.4.1 基本原理及主要过程
3.4.2 高并发数据采集处理机制
3.4.3 单一物理域与跨物理域下多传感器的布局与信息采集
3.4.4 跨物理域多传感器的布局与信息采集
3.4.5 多物理域非视觉模态信息的时域处理与分析
3.4.6 多物理域非视觉模态信息的频域处理与分析
3.5 视觉模态下多物理域信息获取与处理方法
3.5.1 基本原理及主要过程
3.5.2 基于图像质量最佳的机器视觉成像优化方法及系统
3.5.3 基于时间片轮转调度算法的大容量图像并行处理方法
3.5.4 基于视觉模态信息的多物理域多维特征提取方法
3.6 多物理域多模态信息多模式并行融合机理及模型
3.6.1 几种信息融合方法的比较分析
3.6.2 人脑认知科学及其神经生物学机制给予信息融合的启示
3.6.3 多物理域多模态信息多模式并行融合机理与模型
3.7 基于改进变分自编码器的多物理域多模态信息融合方法
3.7.1 实时感知及其对信息融合的要求
3.7.2 常规变分自编码器(VAE,Variational Autoencoder)及其应用与优劣势分析
3.7.3 变分自编码器的改进思路
3.7.4 基于改进VAE的多模态信息融合算法设计实现及过程
3.7.5 利用改进VAE的多物理域多模态信息融合仿真试验与结果分析
3.8 本章小结
第4章 基于条件对抗学习的智能主体多模式自主感知方法研究
4.1 概述
4.2 自主感知及其作用机制分析
4.3 智能主体领域知识库系统构建方法
4.3.1 领域知识的定义及内涵
4.3.2 领域知识的表述和获取方法
4.4 基于条件对抗的改进学习算法
4.4.1 典型学习算法比较分析及局限性
4.4.2 学习算法改进原理及思路
4.5 基于条件对抗学习的隐马尔可夫链改进卷积神经网络自主感知方法
4.5.1 典型深度学习算法的比较分析及其局限性与不足
4.5.2 隐马尔可夫链(HMM)及其在信息预测与动态感知中的作用
4.5.3 利用隐马尔可夫链改进卷积神经网络的思路及其对实现多模态信息融合的机理
4.5.4 基于隐马尔可夫链改进卷积神经网络的自主感知算法设计实现及过程
4.5.5 采用传统深度学习算法和条件对抗学习仿真结果及比较分析
4.6 本章小结
第5章 基于多模态信息并行融合和多模式自主感知的无人驾驶汽车主动环境感知方法及系统研究
5.1 概述
5.2 基本原理和思路
5.3 基于无人驾驶汽车及其应用场景的特性分析与建模
5.3.1 无人驾驶对自主感知的需求
5.3.2 拟应用场景
5.4 无人驾驶汽车自主感知模型及机理
5.4.1 基于多传感器信息多模式融合的无人驾驶汽车自主感知模型
5.4.2 感知机理及过程
5.5 基于多模式自主感知专家系统构建
5.5.1 基于条件对抗学习的优化成像专家系统构建
5.5.2 基于条件对抗学习的多模态信息融合专家系统构建
5.5.3 基于条件对抗学习的目标识别专家系统构建
5.5.4 基于条件对抗学习的图像语义分割专家系统构建
5.5.5 基于条件对抗学习的单目深度估计专家系统构建
5.6 算法仿真与结果分析
5.6.1 基于条件对抗学习的优化成像专家系统仿真
5.6.2 基于条件对抗学习的图像语义分割专家系统仿真
5.6.3 基于条件对抗学习的单目深度估计专家系统仿真
5.6.4 基于条件对抗学习的多传感器信息多模式融合自主感知方法仿真分析
5.7 本章小结
第6章 智能主体自主感知试验研究——以无人驾驶汽车模拟仿真试验为例
6.1 概述
6.2 智能主体自主感知模拟实验装置搭建
6.2.1 系统目标
6.2.2 系统功能设计
6.2.3 硬件结构
6.2.4 硬件选型及校核
6.2.5 软件结构
6.3 试验系统运行
6.3.1 试验沙盘无人驾驶小车地图构建与自主导航
6.3.2 试验系统界面
6.3.3 试验系统沙盘运行结果
6.4 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献
致谢
攻读硕士学位期间的研究成果
【参考文献】：
期刊论文
[1]中国制造2025与工业4.0对比解析及中国汽车产业应对策略[J]. 赵福全,刘宗巍,史天泽. 科技进步与对策. 2017(14)
[2]人工智能在智能制造领域的应用研究（英文）[J]. Bo-hu LI,Bao-cun HOU,Wen-tao YU,Xiao-bing LU,Chun-wei YANG. Frontiers of Information Technology ＆ Electronic Engineering. 2017(01)
[3]一种离散连续混成的时空事件驱动的CPS体系架构[J]. 赵红专,孙棣华,程森林,赵敏. 哈尔滨工业大学学报. 2016(09)
[4]智能制造与工业4.0、数字化制造的异同[J]. 刘检华. 国防制造技术. 2016(03)
[5]Shared and Service-oriented CNC Machining System for Intelligent Manufacturing Process[J]. LI Yao,LIU Qiang,TONG Ronglei,CUI Xiaohong. Chinese Journal of Mechanical Engineering. 2015(06)
[6]可拓学的基础理论与方法体系[J]. 蔡文,杨春燕. 科学通报. 2013(13)
[7]美国“先进制造业国家战略计划”对我国的启示[J]. 左世全. 经济. 2012(06)
[8]多Agent系统研究综述[J]. 张少苹,戴锋,王成志,张覃. 复杂系统与复杂性科学. 2011(04)
[9]MAS中Agent协作机制的研究[J]. 蒋尔诺,史有群. 微计算机信息. 2011(04)
[10]数控设备Agent化方法及其应用研究[J]. 肖波,程涛. 组合机床与自动化加工技术. 2010(02)
本文编号：3697805
【文章页数】：121 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题来源
1.2 课题背景及意义
1.3 国内外研究发展现状与趋势
1.4 拟解决的主要问题
1.5 主要研究内容及目标
1.5.1 研究内容
1.5.2 研究目标
1.6 主要特色及创新
1.7 论文结构
第2章 智能主体及自主感知问题描述与建模
2.1 概述
2.2 智能汽车与无人驾驶汽车及其应用环境的特性分析
2.2.1 智能汽车及其运动行驶、驾驶与安全特性
2.2.2 智能汽车应用场景的环境特性
2.2.3 无人驾驶汽车及其运动、驾驶与安全特性
2.2.4 无人驾驶汽车应用场景的环境特性
2.2.5 自主感知对无人驾驶汽车应对复杂环境的重要性及作用机制
2.2.6 无人驾驶汽车的技术体系及关键技术
2.3 基于智能机器的复杂制造问题及其求解机制分析
2.3.1 传统制造方法应对复杂制造问题的局限性
2.3.2 智能制造及智能机器的提出
2.3.3 智能机器的技术体系及关键共性技术
2.3.4 智能制造模式下复杂制造问题求解模型及主要机制
2.4 传统智能机器在面临复杂问题与环境时的不足与局限性分析
2.5 智能主体的提出及模型构建
2.6 智能主体自主感知问题的描述与建模
2.6.1 复杂问题及环境对智能主体自主感知的要求
2.6.2 自主感知对智能主体智能能力及行为的形成机制
2.6.3 智能主体自主感知的定义与内容
2.6.4 人类感知机理及其对人脑思考推理决策的作用与影响
2.6.5 多模态信息(非视觉与视觉模态)的获取与处理及融合对自主感知的作用
2.6.6 智能主体自主感知模型
2.7 智能主体自主感知解决方案
2.8 本章小结
第3章 面向智能主体自主感知的多物理域多模态信息并行融合方法研究
3.1 概述
3.2 信息场与多物理域信息及其模型构建
3.2.1 面向对象及其环境的信息场及其模型
3.2.2 多物理域与多模态信息
3.2.3 非视觉模态信息及其表征
3.2.4 视觉模态信息及其表征
3.2.5 非视觉模态下单一物理域多传感器信息场模型
3.2.6 视觉模态下多物理域信息场模型
3.2.7 多模态下跨物理域信息场统一模型
3.3 多物理域信息获取与多模态信息融合问题分析描述及解决思路
3.3.1 多物理域信息获取及其作用
3.3.2 多模态信息融合及其作用
3.3.3 大容量信息的并行处理融合
3.3.4 基本解决思路
3.4 非视觉模态下多物理域信息获取与处理方法
3.4.1 基本原理及主要过程
3.4.2 高并发数据采集处理机制
3.4.3 单一物理域与跨物理域下多传感器的布局与信息采集
3.4.4 跨物理域多传感器的布局与信息采集
3.4.5 多物理域非视觉模态信息的时域处理与分析
3.4.6 多物理域非视觉模态信息的频域处理与分析
3.5 视觉模态下多物理域信息获取与处理方法
3.5.1 基本原理及主要过程
3.5.2 基于图像质量最佳的机器视觉成像优化方法及系统
3.5.3 基于时间片轮转调度算法的大容量图像并行处理方法
3.5.4 基于视觉模态信息的多物理域多维特征提取方法
3.6 多物理域多模态信息多模式并行融合机理及模型
3.6.1 几种信息融合方法的比较分析
3.6.2 人脑认知科学及其神经生物学机制给予信息融合的启示
3.6.3 多物理域多模态信息多模式并行融合机理与模型
3.7 基于改进变分自编码器的多物理域多模态信息融合方法
3.7.1 实时感知及其对信息融合的要求
3.7.2 常规变分自编码器(VAE,Variational Autoencoder)及其应用与优劣势分析
3.7.3 变分自编码器的改进思路
3.7.4 基于改进VAE的多模态信息融合算法设计实现及过程
3.7.5 利用改进VAE的多物理域多模态信息融合仿真试验与结果分析
3.8 本章小结
第4章 基于条件对抗学习的智能主体多模式自主感知方法研究
4.1 概述
4.2 自主感知及其作用机制分析
4.3 智能主体领域知识库系统构建方法
4.3.1 领域知识的定义及内涵
4.3.2 领域知识的表述和获取方法
4.4 基于条件对抗的改进学习算法
4.4.1 典型学习算法比较分析及局限性
4.4.2 学习算法改进原理及思路
4.5 基于条件对抗学习的隐马尔可夫链改进卷积神经网络自主感知方法
4.5.1 典型深度学习算法的比较分析及其局限性与不足
4.5.2 隐马尔可夫链(HMM)及其在信息预测与动态感知中的作用
4.5.3 利用隐马尔可夫链改进卷积神经网络的思路及其对实现多模态信息融合的机理
4.5.4 基于隐马尔可夫链改进卷积神经网络的自主感知算法设计实现及过程
4.5.5 采用传统深度学习算法和条件对抗学习仿真结果及比较分析
4.6 本章小结
第5章 基于多模态信息并行融合和多模式自主感知的无人驾驶汽车主动环境感知方法及系统研究
5.1 概述
5.2 基本原理和思路
5.3 基于无人驾驶汽车及其应用场景的特性分析与建模
5.3.1 无人驾驶对自主感知的需求
5.3.2 拟应用场景
5.4 无人驾驶汽车自主感知模型及机理
5.4.1 基于多传感器信息多模式融合的无人驾驶汽车自主感知模型
5.4.2 感知机理及过程
5.5 基于多模式自主感知专家系统构建
5.5.1 基于条件对抗学习的优化成像专家系统构建
5.5.2 基于条件对抗学习的多模态信息融合专家系统构建
5.5.3 基于条件对抗学习的目标识别专家系统构建
5.5.4 基于条件对抗学习的图像语义分割专家系统构建
5.5.5 基于条件对抗学习的单目深度估计专家系统构建
5.6 算法仿真与结果分析
5.6.1 基于条件对抗学习的优化成像专家系统仿真
5.6.2 基于条件对抗学习的图像语义分割专家系统仿真
5.6.3 基于条件对抗学习的单目深度估计专家系统仿真
5.6.4 基于条件对抗学习的多传感器信息多模式融合自主感知方法仿真分析
5.7 本章小结
第6章 智能主体自主感知试验研究——以无人驾驶汽车模拟仿真试验为例
6.1 概述
6.2 智能主体自主感知模拟实验装置搭建
6.2.1 系统目标
6.2.2 系统功能设计
6.2.3 硬件结构
6.2.4 硬件选型及校核
6.2.5 软件结构
6.3 试验系统运行
6.3.1 试验沙盘无人驾驶小车地图构建与自主导航
6.3.2 试验系统界面
6.3.3 试验系统沙盘运行结果
6.4 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献
致谢
攻读硕士学位期间的研究成果
【参考文献】：
期刊论文
[1]中国制造2025与工业4.0对比解析及中国汽车产业应对策略[J]. 赵福全,刘宗巍,史天泽. 科技进步与对策. 2017(14)
[2]人工智能在智能制造领域的应用研究（英文）[J]. Bo-hu LI,Bao-cun HOU,Wen-tao YU,Xiao-bing LU,Chun-wei YANG. Frontiers of Information Technology ＆ Electronic Engineering. 2017(01)
[3]一种离散连续混成的时空事件驱动的CPS体系架构[J]. 赵红专,孙棣华,程森林,赵敏. 哈尔滨工业大学学报. 2016(09)
[4]智能制造与工业4.0、数字化制造的异同[J]. 刘检华. 国防制造技术. 2016(03)
[5]Shared and Service-oriented CNC Machining System for Intelligent Manufacturing Process[J]. LI Yao,LIU Qiang,TONG Ronglei,CUI Xiaohong. Chinese Journal of Mechanical Engineering. 2015(06)
[6]可拓学的基础理论与方法体系[J]. 蔡文,杨春燕. 科学通报. 2013(13)
[7]美国“先进制造业国家战略计划”对我国的启示[J]. 左世全. 经济. 2012(06)
[8]多Agent系统研究综述[J]. 张少苹,戴锋,王成志,张覃. 复杂系统与复杂性科学. 2011(04)
[9]MAS中Agent协作机制的研究[J]. 蒋尔诺,史有群. 微计算机信息. 2011(04)
[10]数控设备Agent化方法及其应用研究[J]. 肖波,程涛. 组合机床与自动化加工技术. 2010(02)
本文编号：3697805
本文链接：https://www.wllwen.com/kejilunwen/qiche/3697805.html
