| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 机器人的物体抓取研究现状 | 第12-13页 |
| 1.2.2 卷积神经网络的发展现状 | 第13-14页 |
| 1.2.3 基于卷积神经网络的物体抓取研究现状 | 第14-15页 |
| 1.3 研究内容和方法 | 第15页 |
| 1.4 论文的章节安排 | 第15-18页 |
| 第2章 卷积神经网络的设计 | 第18-26页 |
| 2.1 卷积神经网络 | 第18-24页 |
| 2.1.1 卷积层 | 第19-20页 |
| 2.1.2 池化层 | 第20页 |
| 2.1.3 全连接层 | 第20-21页 |
| 2.1.4 反向传播算法 | 第21-24页 |
| 2.2 空间金字塔池化算法 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于三级卷积神经网络的物体抓取检测 | 第26-38页 |
| 3.1 抓取框的定义 | 第26-27页 |
| 3.2 网络结构设计与分析 | 第27-29页 |
| 3 2 1 第一级卷积神经网络 | 第27-28页 |
| 3.2 2 第二级卷积神经网络 | 第28-29页 |
| 3 2.3 第三级卷积神经网络 | 第29页 |
| 3.3 数据集选取与网络训练 | 第29-31页 |
| 3.3.1 数据集选取 | 第30-31页 |
| 3.3.2 网络训练 | 第31页 |
| 3.4 选择最佳抓取框的算法 | 第31-32页 |
| 3.5 物体位置与姿态的确定 | 第32-34页 |
| 3.6 实验结果 | 第34-37页 |
| 3.6.1 第二级和第三级卷积神经网络的比较 | 第34-35页 |
| 3.6.2 数据集上的测试结果 | 第35-36页 |
| 3.6.3 抓取实验 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第4章 基于改进型三级卷积神经网络的物体抓取检测 | 第38-50页 |
| 4.1 问题分析 | 第38-39页 |
| 4.2 改进型三级卷积神经网络 | 第39-41页 |
| 4.3 获取最佳抓取框的改进型算法 | 第41-42页 |
| 4.4 数据集获取与网络训练 | 第42-43页 |
| 4.5 实验结果 | 第43-48页 |
| 4.5.1 数据集上的测试结果 | 第43-45页 |
| 4.5.2 抓取实验 | 第45-46页 |
| 4.5.3 改进型三级卷积神经网络的应用 | 第46-48页 |
| 4.6 本章小结 | 第48-50页 |
| 第5章 基于卷积神经网络和多指灵巧手的物体抓取检测 | 第50-62页 |
| 5.1 问题分析 | 第50页 |
| 5.2 网络结构设计与分析 | 第50-52页 |
| 5.3 数据集获取与网络训练 | 第52-54页 |
| 5.4 物体位姿和手指指尖位置的确定 | 第54-56页 |
| 5.4.1 物体位姿的确定 | 第54-55页 |
| 5.4.2 手指指尖位置的确定 | 第55-56页 |
| 5.5 实验结果 | 第56-60页 |
| 5.5.1 数据集上的测试结果 | 第56-57页 |
| 5.5.2 抓取实验 | 第57-60页 |
| 5.6 本章小结 | 第60-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 在读期间发表的学术论文与取得的研究成果 | 第69页 |