基于视觉的机器人智能抓取系统设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 课题来源及研究内容 | 第14-16页 |
| 1.3.1 课题来源 | 第14页 |
| 1.3.2 研究内容 | 第14-16页 |
| 第2章 图像数据集的创建 | 第16-20页 |
| 2.1 引言 | 第16页 |
| 2.2 目标检测数据集 | 第16-18页 |
| 2.2.1 PAS CAL VOC目标检测数据集 | 第16-17页 |
| 2.2.2 目标检测数据集的创建 | 第17-18页 |
| 2.3 抓取位置检测数据集 | 第18-19页 |
| 2.3.1 抓取位置检测的位置与类别表示 | 第18页 |
| 2.3.2 抓取位置检测数据集的创建 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于深度学习的目标检测 | 第20-31页 |
| 3.1 引言 | 第20页 |
| 3.2 目标检测模型的比较与选择 | 第20-23页 |
| 3.3 Faster R-CNN目标检测的应用 | 第23-26页 |
| 3.3.1 输入输出表示 | 第23页 |
| 3.3.2 算法实现原理 | 第23-25页 |
| 3.3.3 模型训练过程 | 第25-26页 |
| 3.4 实验与讨论 | 第26-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于深度学习的抓取位置检测 | 第31-47页 |
| 4.1 引言 | 第31-32页 |
| 4.2 基于深度学习的抓取位置检测方法应用 | 第32-37页 |
| 4.2.1 输入输出表示 | 第32-33页 |
| 4.2.2 算法实现原理 | 第33-34页 |
| 4.2.3 模型训练过程 | 第34-37页 |
| 4.3 抓取位置六自由度位姿估计 | 第37-42页 |
| 4.3.1 几种坐标系介绍 | 第37-39页 |
| 4.3.2 坐标转换关系 | 第39-41页 |
| 4.3.3 抓取位置的三维位姿估计 | 第41-42页 |
| 4.4 实验与讨论 | 第42-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于视觉的机器人智能抓取系统 | 第47-61页 |
| 5.1 智能抓取系统结构 | 第47-48页 |
| 5.2 软件系统层次结构 | 第48-57页 |
| 5.2.1 交互层 | 第49-50页 |
| 5.2.2 云服务层 | 第50页 |
| 5.2.3 感知层 | 第50-55页 |
| 5.2.4 执行层 | 第55-57页 |
| 5.3 机器人抓取实验 | 第57-60页 |
| 5.4 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间所发表的学术论文 | 第66-67页 |
| 致谢 | 第67-68页 |
