第1 章 绪 论
1.1 课题研究背景和意义
1.2 国内外研究现状
1.2.1 视觉重定位
1.2.2 视觉三维物体检测
1.2.3 机器人语义地图构建
1.3 国内外研究现状分析
1.4 本文研究内容和总体思路
第2 章 基于特征法和卷积神经网络融合的视觉重定位
2.1 引言
2.2 服务机器人视觉重定位问题描述
2.3 基于图像相似度的卷积神经网络重定位算法
2.3.1 基于迁移学习的重定位神经网络
2.3.2 基于图像相似度的视觉重定位系统设计
2.3.3 基于 K-means 的训练集特征向量聚类
2.3.4 基于遗传算法的输入图像裁剪
2.3.5 实验验证
2.4 融合特征法和卷积神经网络的视觉重定位算法
2.4.1 视觉重定位系统框架
2.4.2 重定位算法设计及实现
2.4.3 实验验证
2.5 本章小结
第3 章 基于深度学习的服务机器人三维物体检测
3.1 引言
3.2 基于多通道卷积神经网络的三维物体检测
3.2.1 三维物体检测卷积神经网络设计
3.2.2 卷积网络输入数据生成
3.2.3 基于语义先验的二维和三维候选框生成
3.2.4 实验验证
3.3 基于多视角融合的服务机器人室内场景三维物体检测
3.3.1 物体检测算法框架设计
3.3.2 基于 Mask R-CNN 的物体点云提取
3.3.3 物体点云的非监督分割
3.3.4 基于 Manhattan Frame 的三维物体边界框估计
3.3.5 物体点云多视角融合及数据库构建
3.3.6 基于先验知识的物体数据库滤波
3.3.7 实验验证
3.4 本章小结
第4 章 基于三维物体的语义与度量融合层次化地图
4.1 引言
4.2 层次化地图构建算法研究
4.2.1 算法框架设计
4.2.2 室内环境三维物体语义地图构建
4.2.3 室内环境二维栅格地图构建
4.2.4 语义与度量信息融合的层次化地图构建
4.3 基于层次化地图的机器人语义导航
4.3.1 语义导航目标更新
4.3.2 服务机器人路径规划及导航
4.4 实验验证
4.5 本章小结
第5 章 基于迁移学习的服务机器人视觉语义感知
5.1 引言
5.2 基于迁移学习的视觉语义感知模型设计
5.2.1 模型框架设计
5.2.2 语义区域感知模型
5.2.3 转向识别区感知模型
5.2.4 机器人位姿感知模型
5.2.5 服务机器人区域间语义导航
5.3 实验验证
5.4 本章小结
结论
参考文献
攻读学位期间发表的学术论文
声明
致 谢
个人简历
哈尔滨工业大学;