云机器人系统网络优化与计算卸载相关技术研究

发布时间：2023-05-13 21:17

　　随着人工智能相关技术的不断发展,人类对机器人功能及性能的期望与其本体有限的板载处理能力之间的矛盾愈演愈烈。云机器人的诞生,使机器人节点可以实时利用云计算平台的资源和数据来扩展自己的能力,从而成为了解决上述矛盾的有效手段。然而,已有的云机器人系统大多集中在云端智能的研究,如何优化云机器人网络架构使其能够从底层保障机器人的协同协作、任务分配和实时交互尚待研究。其次,如何平衡机器人端和云端处理的计算量,在提高机器人任务执行效率的同时保障机器人的续航能力,仍有待进行深入分析。另外,现有机器人产品大多成本高昂,严重阻碍了机器人产业的商业化和民用化进程,亟需深度融合云机器人系统优势给出在低成本机器人上部署人工智能相关应用的解决方案。本文结合上述背景及团队已有基础,分别对云机器人系统网络架构、计算卸载机制和可行性应用进行了研究。本文主要工作与创新成果可概括如下:(1)针对云机器人系统网络架构优化问题,分别从网络架构和网络资源分配两个角度开展了研究。首先,本文提出了一种分布式连通支配集构建方法,机器人通过连通支配集的骨干节点与云平台进行间接通信,从而提高了云机器人系统整体通信效率,保证了云机器人系统在...

【文章页数】：124 页

【学位级别】：博士

【文章目录】：
致谢
摘要
Abstract
1 引言
    1.1 研究背景
    1.2 研究意义
    1.3 研究内容与成果
    1.4 论文组织结构
2 现有研究回顾
    2.1 云机器人系统背景知识
        2.1.1 云计算概述
        2.1.2 云机器人系统
    2.2 云机器人系统网络架构
        2.2.1 通信网络架构
        2.2.2 云机器人网络带宽分配
    2.3 云机器人任务分配与计算卸载策略
        2.3.1 任务分配
        2.3.2 计算卸载
    2.4 机器人视觉SLAM与计算机视觉
        2.4.1 机器人视觉SLAM
        2.4.2 计算机视觉
3 云机器人系统网络架构优化算法
    3.1 本章引言
    3.2 相关工作
    3.3 基于CDS骨干网的云机器人系统网络架构设计
        3.3.1 问题描述和系统模型构建
        3.3.2 最少机器人节点CDS构造算法
        3.3.3 实验结果仿真
        3.3.4 小结
    3.4 云机器人系统网络带宽资源预分配方法
        3.4.1 问题描述
        3.4.2 基于遗传算法的云机器人系统网络资源分配方法
        3.4.3 实验结果仿真
        3.4.4 小结
    3.5 本章小结
4 能耗敏感的云机器人系统计算卸载策略
    4.1 本章引言
    4.2 系统模型和问题构建
        4.2.1 任务卸载模型
        4.2.2 能耗敏感模型
        4.2.3 问题描述
    4.3 基于遗传算法的计算卸载策略寻优
    4.4 实验及结果分析
        4.4.1 实验设置和评估指标
        4.4.2 实验结果和评价
    4.5 本章小结
5 基于计算卸载的云机器人SLAM机制研究
    5.1 本章引言
    5.2 问题描述与模型构建
    5.3 最佳卸载点评价方法
    5.4 实验设计与分析
    5.5 本章小结
6 云机器人系统深度卷积神经网络部署策略
    6.1 本章引言
    6.2 问题描述与模型构建
    6.3 网络分段点的确定
    6.4 实验设计及分析
    6.5 本章小结
7 结论
    7.1 论文工作总结
    7.2 未来展望
参考文献
作者简历及在学研究成果
学位论文数据集



本文编号：3816539