基于机器学习的机器人行为控制关键技术研究
发布时间：2022-05-02 21:42
目前,提升移动机器人的智能化和自主化水平已经成为机器人领域的发展方向。基于视觉和深度学习的移动机器人融合了机器人学、图像处理、机械电子、通讯技术和机器学习等众多领域的技术,已经成为当前研究的热点和难点。针对现有的行为模型表达能力和组合灵活性不足的问题,设计了一种分层行为模型,引入行为树的概念,对现有的行为模型进行了发展和完善;并通过添加动态调度节点赋予行为树动态调度的能力,解决了传统行为树难以表达非逻辑性的行为组合的问题。针对深度学习由于计算密集而难以在移动机器人行为控制中应用的问题,基于深度可分解卷积设计了一种轻量化的卷积神经网络目标检测模型,并通过视频流重采样技术对模型推理进一步加速,实验验证了模型在机器人行为控制中的可用性。针对当前移动机器人自主性差的问题,基于分层行为模型和目标检测设计了一种以行为树为基础的自主行为控制算法,并通过实验验证了算法的可行性。而后提出了一种基于随机森林的行为学习算法,实现了对行为的学习,并通过实验验证了算法的有效性。搭建了基于ArduinoUno控制器的移动机器人硬件系统,编写了机器人本地控制和远程决策的多线程程序,并对有关算法进行了实验测试,实现了...
【文章页数】：99 页
【学位级别】：硕士
【文章目录】：
学位论文数据集
摘要
ABSTRACT
第一章 绪论
1.1 课题的研究背景及意义
1.2 基于视觉的移动机器人的研究现状
1.2.1 视觉移动机器人的研究现状
1.2.2 机器视觉与目标检测定位的研究现状
1.2.3 机器学习与机器人控制的研究现状
1.2.4 当前存在的问题分析
1.3 论文的主要研究内容及组织结构
1.3.1 主要研究内容
1.3.2 论文结构
第二章 移动机器人整体方案设计
2.1 引言
2.2 移动机器人平台的需求分析
2.2.1 铲运机器人的应用场景分析
2.2.2 铲运机器人的需求分析和整体架构
2.3 移动机器人平台的硬件方案设计
2.4 移动机器人平台的软件方案设计
2.5 移动机器人平台的无线通讯模块设计
2.5.1 无线通讯模块总体方案
2.5.2 传输信息的编码方案设计
2.5.3 无线通讯模块实现
2.6 机械臂抖动修正实验
2.7 本章小结
第三章 移动机器人行为模型的设计与构建
3.1 引言
3.2 传统的行为模型及问题
3.3 基于行为树的分层行为模型设计
3.3.1 分层行为模型设计
3.3.2 行为树动态调度算法设计
3.4 铲运机器人分层行为模型的建立
3.4.1 建立基础动作和行为库
3.4.2 建立机器人导航的行为树
3.4.3 子树间的通讯与数据共享的实现
3.5 本章小结
第四章 行为控制中基于深度学习的目标检测
4.1 引言
4.2 基于深度可分解卷积神经网络的目标检测算法
4.2.1 卷积神经网络结构设计
4.2.2 非极大抑制算法去除冗余结果
4.2.3 卷积神经网络计算过程
4.2.4 迁移学习
4.3 目标检测模型的训练
4.3.1 准备训练数据
4.3.2 模型训练
4.3.3 目标检测模型的验证
4.4 目标检测模型的应用
4.4.1 视频流重采样
4.4.2 目标检测模型的应用流程
4.5 目标检测实验
4.5.1 检视行为中的目标检测
4.5.2 机械臂运动中的目标检测
4.6 本章小结
第五章 移动机器人自主行为控制和行为学习
5.1 引言
5.2 基于行为树和视觉反馈的自主行为控制
5.2.1 基于视觉反馈的导航控制问题分析
5.2.2 基于行为树的导航算法设计
5.2.3 基于行为树的铲运行为决策算法设计
5.2.4 基于行为树的自主行为控制实验
5.3 基于随机森林的行为学习
5.3.1 基于随机森林的行为学习算法设计
5.3.2 行为学习算法实验
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
研究成果及发表的学术论文
作者及导师简介
附件
【参考文献】：
期刊论文
[1]基于遗传神经网络的机器人视觉控制方法[J]. 郭文静,郑来芳. 电子测量技术. 2017(12)
[2]单目视觉引导机器人在视觉检测中的应用[J]. 曾鹏. 电子技术与软件工程. 2017(10)
[3]基于双目视觉机器人自定位与动态目标定位[J]. 卢洪军. 沈阳大学学报(自然科学版). 2017(01)
[4]多GPU环境下的卷积神经网络并行算法[J]. 王裕民,顾乃杰,张孝慈. 小型微型计算机系统. 2017(03)
[5]室内移动机器人机器视觉定位系统的设计[J]. 栾禄祥. 自动化仪表. 2017(02)
[6]基于道路结构特征的智能车单目视觉定位[J]. 俞毓锋,赵卉菁,崔锦实,査红彬. 自动化学报. 2017(05)
[7]基于深度学习的工业分拣机器人快速视觉识别与定位算法[J]. 伍锡如,黄国明,孙立宁. 机器人. 2016(06)
[8]基于学习机制的移动机器人动态场景自适应导航方法[J]. 张德龙,李威凌,吴怀宇,陈洋. 信息与控制. 2016(05)
[9]嫦娥三号“玉兔号”巡视器行为规划方法[J]. 高薇,蔡敦波,周建平,高宇辉,殷明浩. 北京航空航天大学学报. 2017(02)
[10]深度学习在控制领域的研究现状与展望[J]. 段艳杰,吕宜生,张杰,赵学亮,王飞跃. 自动化学报. 2016(05)
博士论文
[1]轮式移动机器人视觉伺服策略研究[D]. 李宝全.南开大学 2015
[2]全方位视觉技术及其在智能移动机器人等领域的应用研究[D]. 席志红.哈尔滨工程大学 2006
[3]基于图像的智能机器人视觉伺服系统[D]. 杨延西.西安理工大学 2003
硕士论文
[1]四驱轮式移动机器人建模与运动控制研究[D]. 卓颖莉.浙江大学 2017
[2]基于视觉机器人的目标定位技术研究[D]. 刘念.华南农业大学 2016
本文编号：3650010
【文章页数】：99 页
【学位级别】：硕士
【文章目录】：
学位论文数据集
摘要
ABSTRACT
第一章 绪论
1.1 课题的研究背景及意义
1.2 基于视觉的移动机器人的研究现状
1.2.1 视觉移动机器人的研究现状
1.2.2 机器视觉与目标检测定位的研究现状
1.2.3 机器学习与机器人控制的研究现状
1.2.4 当前存在的问题分析
1.3 论文的主要研究内容及组织结构
1.3.1 主要研究内容
1.3.2 论文结构
第二章 移动机器人整体方案设计
2.1 引言
2.2 移动机器人平台的需求分析
2.2.1 铲运机器人的应用场景分析
2.2.2 铲运机器人的需求分析和整体架构
2.3 移动机器人平台的硬件方案设计
2.4 移动机器人平台的软件方案设计
2.5 移动机器人平台的无线通讯模块设计
2.5.1 无线通讯模块总体方案
2.5.2 传输信息的编码方案设计
2.5.3 无线通讯模块实现
2.6 机械臂抖动修正实验
2.7 本章小结
第三章 移动机器人行为模型的设计与构建
3.1 引言
3.2 传统的行为模型及问题
3.3 基于行为树的分层行为模型设计
3.3.1 分层行为模型设计
3.3.2 行为树动态调度算法设计
3.4 铲运机器人分层行为模型的建立
3.4.1 建立基础动作和行为库
3.4.2 建立机器人导航的行为树
3.4.3 子树间的通讯与数据共享的实现
3.5 本章小结
第四章 行为控制中基于深度学习的目标检测
4.1 引言
4.2 基于深度可分解卷积神经网络的目标检测算法
4.2.1 卷积神经网络结构设计
4.2.2 非极大抑制算法去除冗余结果
4.2.3 卷积神经网络计算过程
4.2.4 迁移学习
4.3 目标检测模型的训练
4.3.1 准备训练数据
4.3.2 模型训练
4.3.3 目标检测模型的验证
4.4 目标检测模型的应用
4.4.1 视频流重采样
4.4.2 目标检测模型的应用流程
4.5 目标检测实验
4.5.1 检视行为中的目标检测
4.5.2 机械臂运动中的目标检测
4.6 本章小结
第五章 移动机器人自主行为控制和行为学习
5.1 引言
5.2 基于行为树和视觉反馈的自主行为控制
5.2.1 基于视觉反馈的导航控制问题分析
5.2.2 基于行为树的导航算法设计
5.2.3 基于行为树的铲运行为决策算法设计
5.2.4 基于行为树的自主行为控制实验
5.3 基于随机森林的行为学习
5.3.1 基于随机森林的行为学习算法设计
5.3.2 行为学习算法实验
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
研究成果及发表的学术论文
作者及导师简介
附件
【参考文献】：
期刊论文
[1]基于遗传神经网络的机器人视觉控制方法[J]. 郭文静,郑来芳. 电子测量技术. 2017(12)
[2]单目视觉引导机器人在视觉检测中的应用[J]. 曾鹏. 电子技术与软件工程. 2017(10)
[3]基于双目视觉机器人自定位与动态目标定位[J]. 卢洪军. 沈阳大学学报(自然科学版). 2017(01)
[4]多GPU环境下的卷积神经网络并行算法[J]. 王裕民,顾乃杰,张孝慈. 小型微型计算机系统. 2017(03)
[5]室内移动机器人机器视觉定位系统的设计[J]. 栾禄祥. 自动化仪表. 2017(02)
[6]基于道路结构特征的智能车单目视觉定位[J]. 俞毓锋,赵卉菁,崔锦实,査红彬. 自动化学报. 2017(05)
[7]基于深度学习的工业分拣机器人快速视觉识别与定位算法[J]. 伍锡如,黄国明,孙立宁. 机器人. 2016(06)
[8]基于学习机制的移动机器人动态场景自适应导航方法[J]. 张德龙,李威凌,吴怀宇,陈洋. 信息与控制. 2016(05)
[9]嫦娥三号“玉兔号”巡视器行为规划方法[J]. 高薇,蔡敦波,周建平,高宇辉,殷明浩. 北京航空航天大学学报. 2017(02)
[10]深度学习在控制领域的研究现状与展望[J]. 段艳杰,吕宜生,张杰,赵学亮,王飞跃. 自动化学报. 2016(05)
博士论文
[1]轮式移动机器人视觉伺服策略研究[D]. 李宝全.南开大学 2015
[2]全方位视觉技术及其在智能移动机器人等领域的应用研究[D]. 席志红.哈尔滨工程大学 2006
[3]基于图像的智能机器人视觉伺服系统[D]. 杨延西.西安理工大学 2003
硕士论文
[1]四驱轮式移动机器人建模与运动控制研究[D]. 卓颖莉.浙江大学 2017
[2]基于视觉机器人的目标定位技术研究[D]. 刘念.华南农业大学 2016
本文编号：3650010
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3650010.html
