基于深度学习的工业移动机器人视觉导航系统设计与研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-26页 |
| 1.1 课题来源 | 第11页 |
| 1.2 课题研究背景及意义 | 第11-15页 |
| 1.3 研究现状 | 第15-23页 |
| 1.3.1 视觉导航移动机器人现状 | 第15-17页 |
| 1.3.2 深度学习研究现状 | 第17-23页 |
| 1.4 关键技术 | 第23-24页 |
| 1.5 本文研究内容 | 第24-26页 |
| 第二章 系统总体设计 | 第26-35页 |
| 2.1 系统结构与工作原理 | 第26-27页 |
| 2.2 上位机管理系统 | 第27-31页 |
| 2.2.1 上位机硬件平台 | 第27-28页 |
| 2.2.2 上位机软件平台 | 第28-31页 |
| 2.3 下位机控制系统 | 第31-34页 |
| 2.3.1 下位机硬件平台 | 第31-33页 |
| 2.3.2 下位机软件平台 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于视觉导航的路径跟踪 | 第35-51页 |
| 3.1 图像采集系统 | 第35-37页 |
| 3.1.1 光源 | 第35-36页 |
| 3.1.2 相机 | 第36-37页 |
| 3.2 相机标定 | 第37-41页 |
| 3.2.1 相机成像模型 | 第37-38页 |
| 3.2.2 相机标定 | 第38-41页 |
| 3.3 图像预处理 | 第41-45页 |
| 3.3.1 透视变换 | 第41-42页 |
| 3.3.2 图像灰度化 | 第42-44页 |
| 3.3.3 图像平滑处理 | 第44-45页 |
| 3.4 路径跟踪 | 第45-50页 |
| 3.4.1 路径边缘提取 | 第45-47页 |
| 3.4.2 阈值分割 | 第47-48页 |
| 3.4.3 形态学处理 | 第48-49页 |
| 3.4.4 直线拟合 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于深度学习的QR码检测 | 第51-66页 |
| 4.1 QR码 | 第51-53页 |
| 4.1.1 QR码结构 | 第51-53页 |
| 4.1.2 QR码编码与解码 | 第53页 |
| 4.2 基于深度学习的QR码检测算法设计 | 第53-65页 |
| 4.2.1 卷积神经网络 | 第54-56页 |
| 4.2.2 深度学习网络结构设计 | 第56-59页 |
| 4.2.3 深度学习网络参数设计 | 第59-65页 |
| 4.3 本章小结 | 第65-66页 |
| 第五章 实验及结果分析 | 第66-80页 |
| 5.1 深度学习网络训练 | 第66-71页 |
| 5.1.1 数据准备 | 第66-69页 |
| 5.1.2 正式训练 | 第69-70页 |
| 5.1.3 偏差-方差分解 | 第70-71页 |
| 5.2 检测算法结果与分析 | 第71-74页 |
| 5.3 系统运行实验 | 第74-79页 |
| 5.3.1 移动机器人运行实验 | 第75-77页 |
| 5.3.2 运行精度实验 | 第77-79页 |
| 5.4 本章小结 | 第79-80页 |
| 结论与展望 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87-88页 |
| 致谢 | 第88-89页 |
| 附件 | 第89页 |
