基于深度学习的自主机器人运动决策方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 前言 | 第11页 |
| 1.2 课题的背景与意义 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-18页 |
| 1.3.1 自主机器人技术 | 第14-15页 |
| 1.3.2 路径规划技术 | 第15-18页 |
| 1.4 主要研究内容和章节安排 | 第18-21页 |
| 第二章 基于深度学习的路径规划研究 | 第21-37页 |
| 2.1 引言 | 第21页 |
| 2.2 深度学习算法 | 第21-33页 |
| 2.2.1 深度学习的基本概述 | 第21-26页 |
| 2.2.2 深度学习的相关理论 | 第26-28页 |
| 2.2.3 深度学习的常用模型 | 第28-33页 |
| 2.3 深度学习在路径规划上的应用 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 基于卷积神经网络的环境感知模型 | 第37-47页 |
| 3.1 引言 | 第37页 |
| 3.2 卷积神经网络的特点 | 第37-39页 |
| 3.2.1 CNN稀疏连接 | 第37-38页 |
| 3.2.2 CNN权值共享 | 第38-39页 |
| 3.3 卷积神经网络的网络结构 | 第39-44页 |
| 3.3.1 卷积层 | 第39-41页 |
| 3.3.2 池化层 | 第41-42页 |
| 3.3.3 激活层 | 第42-43页 |
| 3.3.4 全连接层 | 第43-44页 |
| 3.4 环境感知系统模型 | 第44-46页 |
| 3.4.1 基于Cifar-10网络的改进 | 第44-45页 |
| 3.4.2 感知系统的网络模型 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 自主机器人的运动决策系统设计 | 第47-59页 |
| 4.1 引言 | 第47-48页 |
| 4.2 运动决策模型 | 第48-53页 |
| 4.2.1 模型的数学表达 | 第48页 |
| 4.2.2 模型的训练过程 | 第48-53页 |
| 4.3 自主机器人的决策系统设计 | 第53-56页 |
| 4.3.1 决策系统的总体思想 | 第53-54页 |
| 4.3.2 本文采用的样本方案 | 第54-56页 |
| 4.4 本章小结 | 第56-59页 |
| 第五章 实验设计与分析 | 第59-73页 |
| 5.1 引言 | 第59页 |
| 5.2 实验设计 | 第59-69页 |
| 5.2.1 实验平台 | 第59-62页 |
| 5.2.2 实验流程 | 第62-69页 |
| 5.3 实验结果与分析 | 第69-72页 |
| 5.3.1 实验结果 | 第69-72页 |
| 5.3.2 实验分析 | 第72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 结论 | 第73-75页 |
| 6.1 本文总结 | 第73-74页 |
| 6.2 本文展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 作者简介 | 第79页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第79-81页 |
| 致谢 | 第81页 |
