近幾年深度學(xué)習(xí)在計算機視覺領(lǐng)域展現(xiàn)出了強大的生命力且在實際應(yīng)用中擁有很大的發(fā)展?jié)摿?但是在工業(yè)領(lǐng)域的應(yīng)用相對較少。本課題研究的是基于深度學(xué)習(xí)的工業(yè)機器人目標(biāo)識別、定位及位姿估計問題,目的就是將機器人視覺同深度學(xué)習(xí)結(jié)合進(jìn)行算法應(yīng)用嘗試,從視覺角度擴展機器人的目標(biāo)檢測任務(wù)類型,以便工業(yè)機器人完成進(jìn)一步的目標(biāo)抓取或吸取操作。首先,針對工業(yè)機器人利用抓手進(jìn)行目標(biāo)抓取的視覺檢測場景,本文提出了基于Faster R-CNN的平面目標(biāo)抓取位置檢測模型。將用于目標(biāo)定位框的輸出轉(zhuǎn)換為兩點式抓取位置檢測,直接輸出可抓取位置點的坐標(biāo)。其次,針對工業(yè)機器人利用吸盤進(jìn)行目標(biāo)吸取的視覺檢測場景,以Faster R-CNN為基礎(chǔ)提出了平面目標(biāo)定位和位姿估計模型,增加了用于估計位姿的網(wǎng)絡(luò)輸出層,使網(wǎng)絡(luò)能同時完成對目標(biāo)的檢測識別及位姿估計等任務(wù),以便對機器人末端吸盤進(jìn)行對應(yīng)角度旋轉(zhuǎn)從而實現(xiàn)平面工件吸取任務(wù)。最后,搭建機器人視覺平臺并進(jìn)行了單目二維視覺檢測實驗,在實驗階段對提出的兩個模型分別進(jìn)行了性能測試,以Cornell物品、工業(yè)PCB、EPFL汽車數(shù)據(jù)集為例:在抓取位置檢測實驗中,利用上述前兩個數(shù)據(jù)集分別對兩點式抓取...

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀及發(fā)展趨勢
        1.2.1 深度學(xué)習(xí)目標(biāo)定位及位姿估計研究現(xiàn)狀
        1.2.2 智能機器人視覺技術(shù)研究現(xiàn)狀
    1.3 研究內(nèi)容與方法
    1.4 論文結(jié)構(gòu)安排
第2章 相關(guān)技術(shù)研究
    2.1 深度學(xué)習(xí)目標(biāo)檢測模型
        2.1.1 目標(biāo)識別定位模型:Faster R-CNN
    2.2 多任務(wù)學(xué)習(xí)模型
    2.3 多任務(wù)模型訓(xùn)練
    2.4 圖像預(yù)處理
        2.4.1 圖像的畸變矯正
    2.5 相機及視覺系統(tǒng)標(biāo)定
        2.5.1 相機內(nèi)參數(shù)模型及標(biāo)定實驗
    2.6 本章小結(jié)
第3章 基于深度學(xué)習(xí)的目標(biāo)識別定位及位姿估計算法研究
    3.1 目標(biāo)識別定位及位姿估計問題描述
    3.2 抓取場景:平面目標(biāo)抓取位置檢測模型
        3.2.1 模型結(jié)構(gòu)
        3.2.2 模型評估標(biāo)準(zhǔn)
        3.2.3 抓取點樣本生成
        3.2.4 抓取點檢測
        3.2.5 抓取位置檢測損失函數(shù)
    3.3 吸取場景:平面目標(biāo)定位和位姿估計模型
        3.3.1 模型結(jié)構(gòu)
        3.3.2 多任務(wù)結(jié)構(gòu)模型壓縮
        3.3.3 模型評估標(biāo)準(zhǔn)
        3.3.4 多任務(wù)損失函數(shù)
    3.4 空間目標(biāo)方位姿態(tài)檢測模型及實驗分析
        3.4.1 數(shù)據(jù)集
        3.4.2 模型評估標(biāo)準(zhǔn)
        3.4.3 空間目標(biāo)方位角檢測實驗
    3.5 本章小結(jié)
第4章 單目二維視覺檢測實驗設(shè)計與驗證
    4.1 實物系統(tǒng)
        4.1.1 視覺檢測系統(tǒng)
        4.1.2 運動執(zhí)行機構(gòu)
    4.2 實驗結(jié)果及分析
        4.2.1 數(shù)據(jù)集
        4.2.2 平面目標(biāo)抓取位置檢測
        4.2.3 平面目標(biāo)位姿估計檢測
        4.2.4 全連接層對多任務(wù)模型的影響
        4.2.5 多個檢測任務(wù)間的關(guān)系
    4.3 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 本課題工作展望
參考文獻(xiàn)
致謝
作者簡歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果



本文編號：3864948