基于深度学习算法的NAO机器人目标识别与跟踪

发布时间：2021-10-05 06:16

　　随着深度学习算法的快速发展,图像目标识别领域取得了重大突破,无论是对目标种类的判定还是对目标位置的检测深度学习算法都取得了远高于传统机器学习算法的准确率。机器人技术是工程和科学的跨学科分支,包括机械工程、信息工程、计算机科学等。机器人技术涉及机器人的设计制造以及用于控制机器人运动、传感器反馈和信息处理的计算机系统。机器人视觉是机器人技术中的一个研究热点,涉及如何利用机器人采集环境的视觉信息并获得数字图像或视频的高层次理解。从工程角度看,它试图自动化人类视觉系统可以完成的任务。深度学习算法应用于机器人视觉领域将大大提高机器人的环境的交互能力,提升机器人的智能程度。本文以NAO机器人作为机器人视觉技术的研究平台,重点研究了基于深度学习算法的目标识别与跟踪方法。本文的具体工作如下:（1）研究了深度学习算法基本原理,对Faster R-CNN目标识别模型进行了深入研究,针对Faster R-CNN的特征提取网络进行了改进,设计了一种基于残差网络模型的98层卷积神经网络提取图像特征。基于Faster R-CNN目标识别模型针对小目标识别进行了优化。在Google云上搭建训练平台,以PASCAL ... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

残差网络的

图 2-7 RPN 网络分类损失函数 图 2-8 RPN 网络边界回归损失函图 2-9 改进 Faster R-CNN 分类损失函数 图 2-10 改进 Faster R-CNN 网归损失函数

图 2-7 RPN 网络分类损失函数 图 2-8 RPN 网络边界回归损失函图 2-9 改进 Faster R-CNN 分类损失函数 图 2-10 改进 Faster R-CNN 网归损失函数

【参考文献】：
期刊论文
[1]轮式移动机器人单目视觉的目标测距方法[J]. 肖大伟,翟军勇.  计算机工程. 2017(04)
[2]基于卷积神经网络的多标签图像自动标注[J]. 黎健成,袁春,宋友.  计算机科学. 2016(07)
[3]人脸识别中基于系数相似性的字典学习算法[J]. 施静兰,常侃,张智勇,覃团发.  计算机科学. 2016(06)
[4]基于深度学习的车标识别方法研究[J]. 彭博,臧笛.  计算机科学. 2015(04)

硕士论文
[1]基于NAO机器人的物体识别与定位技术研究[D]. 蒋哲翎.南京大学 2016
[2]基于NAO机器人的视觉目标检测与跟踪[D]. 宗鹏程.华北电力大学 2015
[3]基于单目视觉的移动机器人系统目标识别与定位研究[D]. 徐敏.华南理工大学 2014



本文编号：3419164