目标检测机器人视觉伺服系统研究
发布时间：2021-07-09 01:49
随着我国劳动力的日益短缺及中国智能2025的提出,发展智能机器人成了我国当前的迫切需求。目前,大多数机器人的工作都是通过预设好的程序进行重复性的指定动作,一旦作业环境发生变化,机器人就需要重新编程才能适应新的环境。研究带有目标检测功能的机器人,可以赋予机器人感知环境的能力,从而根据环境变化进行伺服控制。本文通过对目标检测器及机器人视觉伺服系统进行研究,搭建了目标检测机器人的软硬件平台,并对目标检测器提出了 一系列改进,主要研究内容如下:针对移动机器人在变化的环境中作业的应用需求,对总体方案包括机械结构与硬件方案进行了设计。首先在机械结构上,机器人主体结构采用铝合金板进行轻量化设计,并设计有两层承载板,用于承载各种传感器和其他物体,驱动方式采用差速驱动,差速轮与伺服电机直接相连,可以非常精确且方便的控制机器人的前进,后退与转向,机器人设计运行速度为不超过40m/min,检测范围设计为0.3-10m。对于机器人的硬件系统,本文使用了上下位机协同的两层板卡设计方案。上位机采用TX2作为主控计算机,对视觉传感器获取的数据进行分析计算,然后通过CAN总线将计算结果传递到下位机,下位机使用STM3...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图１－３图像中提取的卷积特征??同时，随ＧＰＵ，?ＣＰＵ等硬件设的展以及卷经网络的量化设计，??
第１章绪论??度。有效数据的急剧扩增，高性能计算硬件的实现以及训练方法的大幅完善［１１］，??使得基于深度学习的目标检测得以在机器人感知领域大显身手，也使得目标检测??机器人可以更加容易的认识与感知周围环境，帮助其更好的完成定位与导航工??作。??１．２目标检测技术研究现状??１．２．１卷积神经网络??卷积神经网络是近几年来人工智能领域非常重要的技术之一，被大量应用于??目标识别，图像分类，图像分割等项目中［１２］。如图１－４所示，为一个基础的卷积??神经网络的组件结构［１３］。??桃核?，丨??：?—?－［＝－?Ｌ?：參??池化?ｒ???Ｋ?—＾?丨‘?￥??输入层?卷积层?全连接层输出层??图１－４卷积神经网络基本结构??与传统的全连接神经网络相比，卷积神经网络的神经元之间只需要进行局部??连接，且每个通道的特征图感知野间参数共享，可以有效避免全连接神经网络中??计算量过大，对图像像素变化的适应性较差等缺点［１４］。本文以轻量级的卷积神经??网络作为目标检测特征提取的主干网络，有助于减少参数量，加快训练速度与前??向计算速度。??ＹａｎｎＬｅＣｕｎ等人于１９９８年提出了?ＬｅＮｅｔ－５网络结构，该网络结构使用了七??层卷积神经网络结构，包含了卷积层，池化层等基本结构，成功应用到了手写字??识别领域中，并使识别得错误率降到了?５％—下［１５］。２０１２年，Ｋｒｉｚｈｅｖｓｋｙ等提出??ＡｌｅｘＮｅｔ模型［１６】，从网络规模上大大超越了?ＬｅＮｅｔ－５，ＡｌｅｘＮｅｔ在当年ＩｍａｇｅＮｅｔ??竞赛中以超越第二名］０．９个百分点的成绩拔得头筹，使得卷积神经网络在计算??机领域被广泛关注。Ａ
山东大学硕士学位论文??等多个模块，这种方式可以非常方便的对平台进行安装，更换零部件，对于更换??或安装传感器进行调试也非常方便。移动机器人的车身采用了铝合金轻量化设??计，其余所有零部件均采用轻量级材料，且均为组装结构，外观如图２－１所示。??图２－１移动机器人平台??（１）承载模块：选用铝合金轻量化设计，由上下两层承载板组成，在保证??承载能力的同时，减轻了车体整体重量，用于承载物体和传感器等。??（２）驱动转向模块：采用双轮差速驱动，驱动电机采用伺服电机，驱动电??机通过联轴器与轮子相连，伺服电机运动精度较高，能够保证目标检测机器人在??移动过程中的运动精度。??（３）控制模块：采用双层控制板，上位机使用ＴＸ２作为主控计算机用于数??据处理，下位机使用ＳＴＭ３２进行驱动管理与电机控制，两者通过ＣＡＮ总线进??行通信。??（４）传感器模块：搭载了深度相机，红外传感器，陀螺仪等传感设备，负??责接收环境信息，并传给主控计算机进行处理。??（５）辅助模块：包括离线保护，无线通信，悬挂机构等。??具体设计参数如表２－１所示：??表２－１目标检测机器人平台性能参数??参数名称?指标??外形尺寸／?（ｍｍ）?６０３ｘ５５８ｘ３４０??车体总重／?（ｋｇ）?５０??１２??
本文编号：3272765
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图１－３图像中提取的卷积特征??同时，随ＧＰＵ，?ＣＰＵ等硬件设的展以及卷经网络的量化设计，??
第１章绪论??度。有效数据的急剧扩增，高性能计算硬件的实现以及训练方法的大幅完善［１１］，??使得基于深度学习的目标检测得以在机器人感知领域大显身手，也使得目标检测??机器人可以更加容易的认识与感知周围环境，帮助其更好的完成定位与导航工??作。??１．２目标检测技术研究现状??１．２．１卷积神经网络??卷积神经网络是近几年来人工智能领域非常重要的技术之一，被大量应用于??目标识别，图像分类，图像分割等项目中［１２］。如图１－４所示，为一个基础的卷积??神经网络的组件结构［１３］。??桃核?，丨??：?—?－［＝－?Ｌ?：參??池化?ｒ???Ｋ?—＾?丨‘?￥??输入层?卷积层?全连接层输出层??图１－４卷积神经网络基本结构??与传统的全连接神经网络相比，卷积神经网络的神经元之间只需要进行局部??连接，且每个通道的特征图感知野间参数共享，可以有效避免全连接神经网络中??计算量过大，对图像像素变化的适应性较差等缺点［１４］。本文以轻量级的卷积神经??网络作为目标检测特征提取的主干网络，有助于减少参数量，加快训练速度与前??向计算速度。??ＹａｎｎＬｅＣｕｎ等人于１９９８年提出了?ＬｅＮｅｔ－５网络结构，该网络结构使用了七??层卷积神经网络结构，包含了卷积层，池化层等基本结构，成功应用到了手写字??识别领域中，并使识别得错误率降到了?５％—下［１５］。２０１２年，Ｋｒｉｚｈｅｖｓｋｙ等提出??ＡｌｅｘＮｅｔ模型［１６】，从网络规模上大大超越了?ＬｅＮｅｔ－５，ＡｌｅｘＮｅｔ在当年ＩｍａｇｅＮｅｔ??竞赛中以超越第二名］０．９个百分点的成绩拔得头筹，使得卷积神经网络在计算??机领域被广泛关注。Ａ
山东大学硕士学位论文??等多个模块，这种方式可以非常方便的对平台进行安装，更换零部件，对于更换??或安装传感器进行调试也非常方便。移动机器人的车身采用了铝合金轻量化设??计，其余所有零部件均采用轻量级材料，且均为组装结构，外观如图２－１所示。??图２－１移动机器人平台??（１）承载模块：选用铝合金轻量化设计，由上下两层承载板组成，在保证??承载能力的同时，减轻了车体整体重量，用于承载物体和传感器等。??（２）驱动转向模块：采用双轮差速驱动，驱动电机采用伺服电机，驱动电??机通过联轴器与轮子相连，伺服电机运动精度较高，能够保证目标检测机器人在??移动过程中的运动精度。??（３）控制模块：采用双层控制板，上位机使用ＴＸ２作为主控计算机用于数??据处理，下位机使用ＳＴＭ３２进行驱动管理与电机控制，两者通过ＣＡＮ总线进??行通信。??（４）传感器模块：搭载了深度相机，红外传感器，陀螺仪等传感设备，负??责接收环境信息，并传给主控计算机进行处理。??（５）辅助模块：包括离线保护，无线通信，悬挂机构等。??具体设计参数如表２－１所示：??表２－１目标检测机器人平台性能参数??参数名称?指标??外形尺寸／?（ｍｍ）?６０３ｘ５５８ｘ３４０??车体总重／?（ｋｇ）?５０??１２??
本文编号：3272765
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3272765.html
