机器人穿越行为中基于深度卷积神经网络的门识别方法及应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| Contens | 第9-11页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 课题来源 | 第14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.4 研究内容及论文结构 | 第18-20页 |
| 1.4.1 研究思路 | 第18-19页 |
| 1.4.2 技术路线图 | 第19页 |
| 1.4.3 论文结构 | 第19-20页 |
| 1.5 总结 | 第20-21页 |
| 第二章 深度卷积神经网络的相关理论研究 | 第21-30页 |
| 2.1 深度卷积神经网络 | 第21-23页 |
| 2.2 深度卷积神经网络的识别模型 | 第23-29页 |
| 2.2.1 模型结构 | 第24-26页 |
| 2.2.2 训练过程 | 第26-29页 |
| 2.2.3 检测识别 | 第29页 |
| 2.3 小结 | 第29-30页 |
| 第三章 基于深度卷积神经网络的门识别 | 第30-37页 |
| 3.1 实验设计 | 第30-31页 |
| 3.2 门的结构特性与问题 | 第31-32页 |
| 3.2.1 门的识别方法 | 第31页 |
| 3.2.2 存在的问题 | 第31-32页 |
| 3.3 门的识别过程 | 第32-36页 |
| 3.4 实验过程分析 | 第36页 |
| 3.5 小结 | 第36-37页 |
| 第四章 门的穿越设计 | 第37-46页 |
| 4.1 机器人的定位 | 第37-40页 |
| 4.1.1 门的距离计算 | 第38-39页 |
| 4.1.2 门的角度识别 | 第39-40页 |
| 4.1.3 门的状态识别 | 第40页 |
| 4.2 机器人运动学模型 | 第40-43页 |
| 4.3 门的穿越试验 | 第43-45页 |
| 4.3.1 实验描述 | 第43-44页 |
| 4.3.2 实验过程 | 第44-45页 |
| 4.4 小结 | 第45-46页 |
| 第五章 实验结果分析 | 第46-62页 |
| 5.1 门的识别结果分析 | 第46-50页 |
| 5.2 门的遮挡实验分析 | 第50-54页 |
| 5.3 算法性能实验对比分析 | 第54-57页 |
| 5.4 门的穿越实验结果及分析 | 第57-61页 |
| 5.4.1 实验结果 | 第58-60页 |
| 5.4.2 实验分析 | 第60-61页 |
| 5.5 小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间发表的论文 | 第67-69页 |
| 致谢 | 第69页 |
