摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-24页 |
1.1 课题的研究背景与意义 | 第10-11页 |
1.2 国内外研究现状及分析 | 第11-21页 |
1.2.1 仿人假手EMG控制研究现状 | 第11-13页 |
1.2.2 假手抓取模式分类简述 | 第13-14页 |
1.2.3 RGB-D图像数据集现状简述 | 第14-17页 |
1.2.4 基于深度学习的RGB-D物品识别研究现状 | 第17-20页 |
1.2.5 国内外文献综述简析 | 第20-21页 |
1.3 课题来源及主要研究内容 | 第21-24页 |
1.3.1 适用于假手抓取模式识别的RGB-D图像数据集的建立 | 第22-23页 |
1.3.2 构建适宜的深度网络,完成假手抓取模式的可靠、实时识别 | 第23页 |
1.3.3 基于RGB-D-EMG信息的假手控制系统 | 第23页 |
1.3.4 主要研究内容的创新性 | 第23-24页 |
第2章 假手抓取模式识别的RGB-D数据集研究 | 第24-38页 |
2.1 引言 | 第24页 |
2.2 假手的抓取模式与物品库 | 第24-28页 |
2.2.1 假手的抓取模式 | 第24-26页 |
2.2.2 数据集所用物品集合 | 第26-28页 |
2.3 RGB-D图像及Kinect2.0传感器 | 第28-30页 |
2.3.1 RGB图像、深度图像 | 第28页 |
2.3.2 Kinect2.0与其深度图像噪声 | 第28-29页 |
2.3.3 Kinect2.0的RGB-D图像对齐原理 | 第29-30页 |
2.4 RGB-D数据采集平台搭建 | 第30-34页 |
2.4.1 数据采集平台硬件组成 | 第30-32页 |
2.4.2 数据采集平台软件编制 | 第32-34页 |
2.5 RGB-D数据集 | 第34-37页 |
2.5.1 数据集组织设计 | 第34-35页 |
2.5.2 数据集 | 第35-37页 |
2.6 本章小结 | 第37-38页 |
第3章 学习模型及输入数据类型验证实验 | 第38-48页 |
3.1 引言 | 第38页 |
3.2 数据对比实验卷积网络 | 第38-41页 |
3.2.1 Cifar-10卷积网络 | 第39页 |
3.2.2 卷积网络 | 第39-41页 |
3.3 RGB-D数据预处理 | 第41-44页 |
3.3.1 深度图像(Depth)零值噪点与中值滤波 | 第41-42页 |
3.3.2 深度图像像素值压缩 | 第42-43页 |
3.3.3 RGB-D数据尺寸标准化与缩放 | 第43-44页 |
3.4 基于5折交叉验证原则的预实验 | 第44-46页 |
3.4.1 K折交叉验证原则与样本分组 | 第44-45页 |
3.4.2 相同网络下的不同类型数据抓取模式识别实验 | 第45-46页 |
3.5 本章小结 | 第46-48页 |
第4章 模型优化与双模态数据融合识别实验 | 第48-58页 |
4.1 引言 | 第48页 |
4.2 单模态卷积网络模型 | 第48-50页 |
4.2.1 RGB数据卷积模型 | 第48-49页 |
4.2.2 Gray数据卷积模型 | 第49-50页 |
4.2.3 Depth数据卷积模型 | 第50页 |
4.3 多模态卷积网络模型 | 第50-53页 |
4.3.1 RGB-Depth数据卷积模型 | 第51-52页 |
4.3.2 Gray-Depth数据卷积模型 | 第52-53页 |
4.4 模型训练方法及算法实现 | 第53-54页 |
4.5 多表征输入下的对比实验 | 第54-57页 |
4.6 本章小结 | 第57-58页 |
第5章 基于RGB-D抓取模式识别的假手控制实验 | 第58-72页 |
5.1 引言 | 第58页 |
5.2 系统框架与控制策略 | 第58-61页 |
5.2.1 系统框架 | 第58-59页 |
5.2.2 控制策略 | 第59-61页 |
5.3 假手抓取模式识别策略 | 第61-64页 |
5.3.1 物品检测与分割 | 第61-62页 |
5.3.2 数据增强与假手抓取模式识别 | 第62-64页 |
5.4 人体肌电(EMG)控制策略 | 第64-67页 |
5.4.1 单电极控制策略 | 第64-65页 |
5.4.2 双电极控制策略 | 第65-66页 |
5.4.3 肌电电极配置 | 第66-67页 |
5.5 假手本体运动控制策略 | 第67-69页 |
5.5.1 HIT-V灵巧假手及其佩戴策略 | 第67-69页 |
5.5.2 假手运动控制策略 | 第69页 |
5.6 抓取实验 | 第69-71页 |
5.7 本章小结 | 第71-72页 |
结论 | 第72-74页 |
参考文献 | 第74-80页 |
致谢 | 第80页 |