面向Bin Picking的虚拟数据集构建及智能识别方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 虚拟数据集研究现状 | 第14-15页 |
| 1.2.2 数据增强研究现状 | 第15页 |
| 1.2.3 智能识别方法研究现状 | 第15-17页 |
| 1.3 论文主要研究内容 | 第17-18页 |
| 1.4 论文章节安排 | 第18-20页 |
| 第2章 虚拟数据集构建的研究 | 第20-28页 |
| 2.1 虚拟数据集构建方案的设计 | 第20页 |
| 2.2 OpenGL场景的搭建 | 第20-22页 |
| 2.2.1 OpenGL介绍及环境搭建 | 第20-21页 |
| 2.2.2 虚拟数据集场景搭建 | 第21-22页 |
| 2.3 堆叠场景的获取 | 第22-23页 |
| 2.4 虚拟场景中相机的加载 | 第23页 |
| 2.5 场景渲染 | 第23-27页 |
| 2.5.1 RGB图像获取 | 第23-24页 |
| 2.5.2 分割标注信息的获取 | 第24-25页 |
| 2.5.3 深度图的获取 | 第25-26页 |
| 2.5.4 六自由度位姿和遮蔽率的获取 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 虚拟数据集的数据增强研究 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 数据增强方法以及实现 | 第28-31页 |
| 3.3 数据增强流水线 | 第31-32页 |
| 3.4 连通域处理 | 第32-35页 |
| 3.5 多线程多进程加速 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 基于深度学习的智能识别方法研究 | 第38-55页 |
| 4.1 引言 | 第38页 |
| 4.2 深度学习相关基础介绍 | 第38-42页 |
| 4.2.1 神经元模型介绍 | 第38-39页 |
| 4.2.2 全连接神经网络介绍 | 第39页 |
| 4.2.3 卷积神经网络介绍 | 第39-42页 |
| 4.3 深度学习识别方法设计与实现 | 第42-50页 |
| 4.3.1 深度学习识别方法总体设计 | 第42-43页 |
| 4.3.2 卷积神经网络特征提取 | 第43-46页 |
| 4.3.3 区域提名 | 第46-48页 |
| 4.3.4 区域的分类和边框定位 | 第48-50页 |
| 4.3.5 区域中像素级分割 | 第50页 |
| 4.4 深度学习训练策略的研究 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 实验设计与验证 | 第55-67页 |
| 5.1 实验平台搭建 | 第55-56页 |
| 5.1.1 计算平台搭建 | 第55页 |
| 5.1.2 真实图片拍摄场景搭建 | 第55-56页 |
| 5.2 虚拟数据集的生成实验 | 第56-59页 |
| 5.3 虚拟数据集数据增强的实验 | 第59-61页 |
| 5.4 智能识别方法的实验设计与验证 | 第61-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 论文总结 | 第67-68页 |
| 6.2 论文展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 附录: 攻读硕士期间科研成果 | 第74页 |
