室内移动机器人区域语义地图创建及目标搜索方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景意义 | 第9页 |
| 1.3 国内外研究现状 | 第9-17页 |
| 1.3.1 语义地图的创建 | 第9-12页 |
| 1.3.2 物体目标检测 | 第12-14页 |
| 1.3.3 语义导航 | 第14-16页 |
| 1.3.4 视觉搜索 | 第16-17页 |
| 1.4 研究内容 | 第17-20页 |
| 第2章 基于深度学习的室内语义拓扑地图构建 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 基于视觉的语义地图构建系统 | 第20-25页 |
| 2.2.1 可移植的室内场景分类模型 | 第21-22页 |
| 2.2.2 基于场景分类的语义建图 | 第22-25页 |
| 2.3 室内环境下语义拓扑地图的构建 | 第25-30页 |
| 2.3.1 拓扑节点的定义 | 第25-26页 |
| 2.3.2 在线创建拓扑节点 | 第26-29页 |
| 2.3.3 对已建语义地图的处理 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 基于深度学习的物体目标检测系统 | 第32-53页 |
| 3.1 引言 | 第32页 |
| 3.2 FasterR-CNN的检测原理 | 第32-35页 |
| 3.2.1 区域建议网络 | 第32-33页 |
| 3.2.2 物体的平移不变性 | 第33-34页 |
| 3.2.3 区域建议的损失函数 | 第34-35页 |
| 3.3 SSD模型检测原理 | 第35-39页 |
| 3.3.1 SSD模型架构 | 第36-37页 |
| 3.3.2 训练策略 | 第37-39页 |
| 3.4 基于室内物体数据集的网络模型训练 | 第39-45页 |
| 3.4.1 室内数据集的制作 | 第39-40页 |
| 3.4.2 目标检测方法的评价指标 | 第40-42页 |
| 3.4.3 训练设置及结果分析 | 第42-45页 |
| 3.5 Kinect相机的内外参标定 | 第45-52页 |
| 3.5.1 Kinect相机成像原理 | 第45-46页 |
| 3.5.2 kinect相机内参的标定 | 第46-49页 |
| 3.5.3 相机外参标定 | 第49-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第4章 基于语义地图的室内目标搜索 | 第53-62页 |
| 4.1 引言 | 第53页 |
| 4.2 基于语义地图的路径规划方法 | 第53-55页 |
| 4.3 基于语义地图的目标物体搜索 | 第55-61页 |
| 4.3.1 室内目标搜索策略 | 第56-59页 |
| 4.3.2 目标搜索时的路径规划 | 第59-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 实验研究与算法验证 | 第62-72页 |
| 5.1 引言 | 第62页 |
| 5.2 室内语义拓扑地图的构建 | 第62-68页 |
| 5.2.1 场景分类实验 | 第62-65页 |
| 5.2.2 语义拓扑地图创建及结果分析 | 第65-68页 |
| 5.3 室内物体目标搜索实验 | 第68-71页 |
| 5.4 本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间发表过的学术论文及其他成果 | 第77-79页 |
| 致谢 | 第79页 |
