| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-16页 |
| 1.3.1 演示学习 | 第10-12页 |
| 1.3.2 人机运动传递 | 第12-14页 |
| 1.3.3 多层神经网络 | 第14-16页 |
| 1.4 研究内容 | 第16-18页 |
| 第2章 基于KINECT的人臂关节运动传递 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 KINECT数据获取 | 第18-19页 |
| 2.3 人机关节映射 | 第19-20页 |
| 2.4 人机关节运动传递 | 第20-24页 |
| 2.4.1 人臂运动的二次描述 | 第20-22页 |
| 2.4.2 基于肘部约束的冗余七自由度逆运动学解法 | 第22-24页 |
| 2.5 消抖滤波器 | 第24-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于卷积神经网络的手部TIM姿态学习 | 第28-46页 |
| 3.1 引言 | 第28页 |
| 3.2 基于KINECT的手部TIM姿态定义与图像处理 | 第28-36页 |
| 3.2.1 手部TIM姿态定义 | 第28-30页 |
| 3.2.2 基于手臂姿态归一化的手部图像获取与处理 | 第30-36页 |
| 3.3 卷积神经网络的搭建 | 第36-39页 |
| 3.3.1 卷积神经网络正向传播计算 | 第37-38页 |
| 3.3.2 卷积神经网络反向传播计算 | 第38-39页 |
| 3.4 手部TIM姿态直接学习与估计法 | 第39-42页 |
| 3.4.1 手部TIM姿态的逆运动学计算 | 第39-40页 |
| 3.4.2 姿态估计模型的训练与测试 | 第40-42页 |
| 3.5 基于指尖位置学习的手部TIM姿态生成法 | 第42-45页 |
| 3.5.1 模型训练与测试 | 第43-44页 |
| 3.5.2 基于指尖像素坐标的手部TIM姿态计算 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于SAE-LSTM的机械臂绘图学习 | 第46-61页 |
| 4.1 引言 | 第46页 |
| 4.2 面向绘图的视觉-运动整合方案 | 第46-48页 |
| 4.3 SAE-LSTM模型搭建 | 第48-55页 |
| 4.3.1 堆叠自动编码器 | 第48-50页 |
| 4.3.2 长短时记忆 | 第50-54页 |
| 4.3.3 网络模型总体结构 | 第54-55页 |
| 4.4 数据集制作 | 第55-57页 |
| 4.4.1 数据采集及预处理 | 第55-56页 |
| 4.4.2 训练数据集封装 | 第56-57页 |
| 4.5 模型训练与测试 | 第57-60页 |
| 4.5.1 SAE的训练与测试 | 第57-58页 |
| 4.5.2 SAE-LSTM训练与测试 | 第58-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第5章 实验与分析 | 第61-74页 |
| 5.1 引言 | 第61页 |
| 5.2 关节运动传递实验 | 第61-65页 |
| 5.2.1 人机关节运动传递实验 | 第61-63页 |
| 5.2.2 滤波器性能评价实验 | 第63-65页 |
| 5.3 手部TIM姿态学习实验 | 第65-69页 |
| 5.3.1 静态稳定性对比实验 | 第65-66页 |
| 5.3.2 类人机械臂末端姿态学习实验 | 第66-69页 |
| 5.4 基于SAE-LSTM的机械臂绘画实验 | 第69-73页 |
| 5.5 本章小结 | 第73-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读学位期间发表的学术论文 | 第79-81页 |
| 致谢 | 第81页 |
