基于嵌入式GPU的智能服务机器人视觉系统软件设计
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 论文研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 服务机器人 | 第13-15页 |
| 1.2.2 图像识别技术 | 第15页 |
| 1.2.3 人机交互技术 | 第15-16页 |
| 1.2.4 视觉测距技术 | 第16-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 组织结构 | 第18-20页 |
| 第2章 软件总体设计 | 第20-30页 |
| 2.1 需求分析 | 第20-22页 |
| 2.1.1 软件功能分析 | 第20-21页 |
| 2.1.2 软件性能分析 | 第21-22页 |
| 2.2 软件系统框架设计 | 第22-25页 |
| 2.2.1 硬件平台概述 | 第22-23页 |
| 2.2.2 软件框架设计 | 第23-24页 |
| 2.2.3 软件开发方案 | 第24-25页 |
| 2.3 开发环境搭建 | 第25-29页 |
| 2.3.1 硬件开发环境 | 第25-27页 |
| 2.3.2 软件开发环境 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 视觉检测模块设计 | 第30-49页 |
| 3.1 基于卷积神经网络的目标对象检测简介 | 第30-36页 |
| 3.1.1 目标对象检测的主要方法 | 第30-35页 |
| 3.1.2 目标对象检测方法对比 | 第35-36页 |
| 3.2 基于YOLOv2的目标对象检测 | 第36-44页 |
| 3.2.1 训练数据制作 | 第37-39页 |
| 3.2.2 网络结构设计 | 第39-40页 |
| 3.2.3 模型训练 | 第40-42页 |
| 3.2.4 目标对象检测效果分析 | 第42-44页 |
| 3.3 检测算法优化 | 第44-48页 |
| 3.3.1 TensorRT推理框架介绍 | 第44-45页 |
| 3.3.2 基于TensorRT的算法优化 | 第45-46页 |
| 3.3.3 优化结果测试 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 人机交互模块设计 | 第49-66页 |
| 4.1 人脸识别 | 第49-54页 |
| 4.1.1 FaceNet原理 | 第50-51页 |
| 4.1.2 网络模型 | 第51页 |
| 4.1.3 人脸库制作 | 第51-52页 |
| 4.1.4 人脸特征信息对比 | 第52-53页 |
| 4.1.5 人脸识别实验效果 | 第53-54页 |
| 4.2 语音识别 | 第54-62页 |
| 4.2.1 科大讯飞云平台简介 | 第54-57页 |
| 4.2.2 语音识别库编译与移植 | 第57页 |
| 4.2.3 语音识别流程设计 | 第57-60页 |
| 4.2.4 识别语法设计 | 第60-61页 |
| 4.2.5 识别结果解析 | 第61-62页 |
| 4.3 语音合成 | 第62-63页 |
| 4.4 人机交互功能设计 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 视觉测距模块设计 | 第66-77页 |
| 5.1 双目测距原理 | 第66-67页 |
| 5.2 相机标定与图像校正 | 第67-70页 |
| 5.2.1 相机标定 | 第67-69页 |
| 5.2.2 图像校正 | 第69-70页 |
| 5.3 目标对象测距 | 第70-76页 |
| 5.3.1 计算搜索区域 | 第70-71页 |
| 5.3.2 特征点匹配 | 第71-75页 |
| 5.3.3 目标对象测距 | 第75-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 6.1 工作总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间参加的科研项目和成果 | 第82页 |
