基于视觉的服务机器人室内三维环境感知方法研究

目录

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