首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于RGB-D深度学习的假手抓取模式识别及控制研究

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

论文共80页,点击 下载论文
上一篇:基于五轴串联机械臂的运动模拟研究
下一篇:具有力反馈的机器人手术半实物仿真系统研究