检索结果-南通市图书馆

作者：李恒广东工业大学

学位级别：硕士

目标跟踪一直是视觉领域的研究热点,广泛应用于各种军事与民用设备中,包括智能视频监控、自动驾驶、医疗图像诊断、智能机器人、导弹制导等。近年来基于深度学习的目标跟踪算法有了长足的发展,但算法的鲁棒性和正确率在自然场景下仍然... 详细信息

目标跟踪一直是视觉领域的研究热点,广泛应用于各种军事与民用设备中,包括智能视频监控、自动驾驶、医疗图像诊断、智能机器人、导弹制导等。近年来基于深度学习的目标跟踪算法有了长足的发展,但算法的鲁棒性和正确率在自然场景下仍然会受到光照变化、尺度变化、遮挡等各种干扰因素的影响,使得目标跟踪仍然是极具挑战性的课题。注意力机制有助于目标跟踪模型有选择性地处理信息,有效地过滤与目标无关的有害信息对于提高模型的鲁棒性至关重要,与此同时优化目标跟踪边界框的定位质量是提高模型正确率的关键。本文主要研究工作如下:1)基于通道注意力机制与孪生神经网络的目标跟踪算法。针对传统目标跟踪算法主干网络中缺乏通道信息判别能力的问题,研究使用通道注意力机制与孪生神经网络进行结合的方法,增强有用通道信息,抑制无用通道信息,增强目标跟踪算法对正样本的辨别力,能够有效提高模型在形变、遮挡、光照变化、尺度变化、复杂背景干扰等场景下的鲁棒性。2)基于高质量边界框模型与孪生神经网络的目标跟踪算法。针对传统目标跟踪算法中分类分支与质量预测分支使用不一致的问题,把分类分支与质量预测分支进行联合表示,并针对传统边界框无法表示数据集中遮挡等边界不确定性的问题,提出采用一般分布形式对边界框进行表示。减小了训练和测试的差距,分类与定位质量的表示更加的简单、有效,能够更好地对复杂情况的边界框进行建模,定位更加准确。3)面向目标跟随场景的移动机器人控制系统设计与实验。针对移动机器人目标跟随功能的应用需求,搭建基于ROS的移动机器人跟随控制系统,系统由上位机软件、功能模块、仿真模块组成。在系统中对目标跟随功能进行实现,建立该功能的内部节点和完成相应上位机软件设计开发,并将目标跟踪改进算法应用于该系统进行相关测试。以上提出目标跟踪算法均在OTB-100与VOT2019数据集上与现存性能较好的算法进行对比测试,结果表明本文提出算法与其他算法相比性能更为出色,在复杂跟踪场景下更具有鲁棒性。

关键词：目标跟踪深度学习孪生神经网络移动机器人

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向中医药领域的命名实体识别方法研究

面向中医药领域的命名实体识别方法研究

作者：文松广东工业大学

学位级别：硕士

人工智能技术的广泛应用与国家政策的大力支持加快了中医药数字化发展的步伐,中医药数字化发展既是民生之需,也是弘扬民族优秀文化之举。中医药知识图谱的构建、寻医问诊对话系统的搭建等任务是当下火热的研究方向,而上述任务能否顺利进... 详细信息

人工智能技术的广泛应用与国家政策的大力支持加快了中医药数字化发展的步伐,中医药数字化发展既是民生之需,也是弘扬民族优秀文化之举。中医药知识图谱的构建、寻医问诊对话系统的搭建等任务是当下火热的研究方向,而上述任务能否顺利进行,能否高效运行,命名实体识别技术都发挥着举足轻重的作用。命名实体识别技术作为中医药数字化发展的基石,旨在从中医药文本中识别出关键实体,面临着诸多挑战。除了中文命名实体识别本身固有的弱点之外,中医药文本专业性极强,文本相对白话文更晦涩难懂;文本格式不均衡,或长或短,截断、补全都有损文本语义完整性。针对这些痛点,本文做了如下工作:1、构建标准数据集。利用爬虫等技术搜寻中医医案、中医药说明书等原始数据,完成数据清洗之后,采取人工及自动化标注,共计药物名称、药物成分、药物性味、药物剂型、药物功效、疾病、症状、症候八类主要的实体。2、基于预训练语言模型提出两种针对性较强的中医药文本命名实体识别方法。中医药领域的实体都是专业术语,其语义信息的捕捉较难且极为关键。之所以选择预训练语言模型是因为其在语义表示方面的巨大优势,有助于增强中医药文本语义表示,从而使得文本特征提取更为准确。3、针对嵌套实体的优化。嵌套实体的存在很大程度上影响着识别效率,为此本文引用计算机视觉领域常用的仿射变换技术并加之改进,从丰富语义表示层面减少嵌套实体对命名实体识别的干扰。最后在自建的数据集上展开充分实验。结果表明进行嵌套实体优化之前,药物功效类实体的识别效果最佳,其准确率、召回率、F1值分别达到了93.11%、92.45%、92.78%。融合仿射变换机制后,各类实体的识别效果都有所增强,其中药物成分类实体的准确率提高了8.23%。实验数据分析结果表明了本文针对中医药领域提出的命名实体识别方法的可行性和有效性。

关键词：命名实体识别中医药嵌套实体仿射变换预训练语言模型

基于特征匹配的三维点云与建筑平面图配准方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征匹配的三维点云与建筑平面图配准方法研究

作者：黄小杭广东工业大学

学位级别：硕士

对于目前存在的大部分建筑物,往往都有其对应的建筑平面图,实现三维点云与建筑平面图的配准是一个有价值且亟待挖掘的小众研究领域。研究三维点云与建筑平面图配准方法,有助于解决诸多行业问题,为测绘勘探、室内导航、三维重建、BIM系统... 详细信息

对于目前存在的大部分建筑物,往往都有其对应的建筑平面图,实现三维点云与建筑平面图的配准是一个有价值且亟待挖掘的小众研究领域。研究三维点云与建筑平面图配准方法,有助于解决诸多行业问题,为测绘勘探、室内导航、三维重建、BIM系统、SLAM、智能机器人等领域研究带来全新的思路,解决此类问题具有较高的学术价值与实际应用价值。三维点云与建筑平面图配准问题和机器人在平面图上定位的问题具有密切的关系,许多学者提出了通过蒙特卡洛定位的方法来解决这类问题,然而蒙特卡洛定位方法存在粒子退化、收敛速度较慢的问题,不适合处理大尺度场景的问题。结合最新的深度学习理论和方法,本文从点云配准的思路出发提出了基于特征匹配的三维点云与建筑平面图配准方法,实现了两者的端到端高精度配准。本文的主要研究工作如下:1)三维点云与建筑平面图特征提取方法。首先提出了三维点云与建筑平面图的预处理方法,将原始数据转换成模型可用的数据形式。其次提出了基于改进的动态图卷积神经网络方法实现两者跨维度特征的提取,针对点坐标所能提供的信息较少的问题,为网络输入增加额外的点云法向量和曲率特征信息;针对Edge Conv存在的相似特征的几何信息的利用程度低、深层网络中边特征存在退化现象的问题,本文提出了引入边特征的几何结构特征的改进方法;针对Edge Conv深层网络存在梯度消失的问题,本文提出了残差网络结构;为了实现三维点云与建筑平面图之间的特征信息交换,提出了基于图注意力网络的特征融合方法,最终输出获得用于特征匹配的特征描述。2)三维点云与建筑平面图特征匹配方法。在获得特征描述的基础上,为了更好的分离无对应关系的点对、建立匹配约束并优化匹配结果,提出了通过Sinkhorn最优传输算法,同时引入增广点实现匹配优化,再通过结合基于奇异值分解的点云配准方法,提出了本文的第一种三维点云与建筑平面图配准网络模型FPST-Net v1,通过实验验证其性能表现。3)三维点云与建筑平面图端到端配准网络。为了提升配准结果的精度,本文引入了可微分配准方法,并提出一种平移修正网络以修正配准结果z轴方向上存在的平移误差,同时改进了损失函数,最终提出了FPST-Net v2网络模型,可实现端到端训练与预测,并通过实验验证本文所提出方法的实际性能表现。在CVC-FP、ROBIN-FP和TUM Indoor数据集的实验表明,本文方法能够有效实现三维点云与建筑平面图的配准,且显示出较高的精度和较强的泛化性能、抗干扰性能。

关键词：建筑平面图特征匹配点云配准图神经网络最优传输

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于单目视觉的可通行区域检测方法研究

基于单目视觉的可通行区域检测方法研究

作者：郭植星广东工业大学

学位级别：硕士

SLAM(Simultaneous Localization And Mapping,同时定位与建图)指依赖传感器收集环境信息,在运动过程中完成环境构建和自身位姿估计。视觉SLAM(Visual SLAM,VSLAM)则是基于计算机视觉的SLAM技术,输入的信息是一张张图像,而计算机或者机... 详细信息

SLAM(Simultaneous Localization And Mapping,同时定位与建图)指依赖传感器收集环境信息,在运动过程中完成环境构建和自身位姿估计。视觉SLAM(Visual SLAM,VSLAM)则是基于计算机视觉的SLAM技术,输入的信息是一张张图像,而计算机或者机器人需要通过一张张连续运动的图像判断自身运动同时构建周围环境以进行下一步运动和拓展地图。VSLAM正迅速成为视觉领域的一个重要发展方向,有着广泛的应用前景。机器人在不同环境中完成作业的技术前提是具备导航避障能力。目前对应不同传感器如激光雷达、相机(单目、双目、RGBD)、IMU、声纳等存在多套导航避障方案,各种传感器在不同应用场景上各有优劣。激光雷达距离信息准确、环境适应性强,但信息少、维度单一,无法应用于救援场景等需要获取语义信息的场景,纯激光SLAM很难完成此类任务;视觉避障方案可以很好地解决语义信息缺失的问题,但由于缺乏深度信息,单靠RGB图像进行障碍物识别存在一定误差;多传感器融合方案近年来逐渐兴起,综合不同传感器的优缺点可以获得更丰富的信息,但对应成本相应增加且需要应对信息校准融合问题。基于单目视觉的方法不需要特殊的摄像头配置,更适合各种低成本的机器人应用。本文主要侧重于解决单目视觉下的实时导航规划问题,提出了一种基于相机高度固定假设的轻量化可通行区域检测方法,主要工作如下:1.对当前主流的视觉SLAM方法原理进行分析研究,选取一套最适用于本文研究目标的v SLAM方案作为基础框架,并对其中的冗余模块进行调整删减以满足实时性和轻量化要求。2.本文在地平面平坦和相机高度固定的假设前提下,开发了一个轻量级尺度恢复框架,该框架包括鲁棒的地面点特征提取算法和地平面拟合算法。3.在已恢复尺度的特征点地图的基础上,本文提出了一种能区分周围障碍物的距离求解器,设计了一个代价求解器进行视觉代价地图求解和可通行区域划分。视觉代价地图可协助进行路径规划,为小车导航避障提供技术支持。本文提出了一种基于相机高度固定假设的轻量化可通行区域检测方法,利用固定相机高度进行尺度恢复可以有效降低尺度偏移并获得准确的里程计信息。该方案只需单目相机便可构建视觉代价地图并获得可通行区域和可通行方向,可用于实现三维避障功能,弥补了激光雷达维度单一、价格昂贵以及深度强化学习方案训练成本高的缺点。最终实验表明,引入尺度恢复后,单目视觉里程计相对平移误差平均由15%下降到4%,具有较大提升。估计得到的可通行区域相较于激光边界正确覆盖率为88.39%,可应用于导航避障模块。该方法平均运算速度能达到20帧/秒,能满足小车实时避障的要求。

关键词：同时定位与建图(SLAM) 单目视觉尺度恢复可通行区域

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的方面情感分类方法研究

基于深度学习的方面情感分类方法研究

作者：潘志豪广东工业大学

学位级别：硕士

近年来,随着互联网技术的发展,人们在网络分享自己的生活,发表对各种事物的看法,各种社交平台和电商平台的用户评论呈爆炸式增长。如何从众多评论中提取出用户对产品或服务在某个方面的具体情感,对商家改进自家产品与服务,以及指导其他... 详细信息

近年来,随着互联网技术的发展,人们在网络分享自己的生活,发表对各种事物的看法,各种社交平台和电商平台的用户评论呈爆炸式增长。如何从众多评论中提取出用户对产品或服务在某个方面的具体情感,对商家改进自家产品与服务,以及指导其他用户选购商品都极具现实意义。方面级情感分类任务旨在识别句子中给定方面词的情感极性,从更加精细的角度分析文本评论中不同属性或者方面的情感信息,从而对商品和服务有更加深入、细节的了解。本文针对方面级情感分类任务展开研究,主要研究内容及贡献如下:（1）以往的方法大多基于长短时记忆网络（LSTM）和注意力机制,这种做法很大程度上仅依赖于建模句子中的方面词与其上下文的语义相关性,但忽略了句中的语法结构。针对这种缺陷,提出了一种基于图卷积网络（GCN）和注意力机制的方法,不仅利用双向长短时记忆网络（Bi LSTM）建模了句中单词之间的语义信息,还利用图卷积网络进行单词间语法关系的信息传递,最后通过注意力机制建模上下文和方面词之间的关系,用于情感分类。（2）与前面提出的方法类似,现有的几种同样使用图卷积网络传递语法信息的方法,其主体思想是基于依赖关系树的图卷积方法从语法关系上缩短方面词和观点词之间的距离,并利用句子间的语法关系进行信息传递。一方面,这种方法高度依赖语法解析工具,一旦解析错误就不可避免地会导致错误的积累。另一方面,现有的语法解析工具无法很好地解析较长的句子,对于一些特殊句式,如双重否定句、反问句等也无能为力。为了充分利用句子的语法依赖,同时缓解由于解析错误而导致的问题,提出了一种基于交互注意力的图卷积神经网络（IAGCN）的方法,深度建模了句子与方面词的语义信息和语法信息。首先用双向长短时记忆网络学习句子的词序关系,捕捉句中上下文的语义信息;其次引入位置信息后,通过图卷积网络学习句中的语法信息;然后通过一种掩码机制提取方面词;最后使用交互注意力机制,交互计算特定方面的上下文表示,并作为最后的分类特征。通过这种优势互补的设计,模型可以很好地获得聚合了目标方面信息的上下文表示,并有助于情感分类。实验结果表明,模型在多个数据集上都获得了优秀的效果。（3）最后,对整个实验的工作流程进行了可视化,从数据集中选取了各具特色的例句,系统性地分析了省略句、否定句、插入语等不同句式下的方面情感分类任务的难点,并设计并搭建了一个方面级情感分类系统平台,验证了本文设计模型的可用性。

关键词：交互注意力机制双向长短时记忆网络图卷积网络方面级情感分类深度学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于端边协同的轻量级视觉SLAM方法研究

基于端边协同的轻量级视觉SLAM方法研究

作者：王俊丰广东工业大学

学位级别：硕士

科学技术的进步,使得人们对美好生活的向往有了更深层次的追求,人们已不满足于只能完成单一既定任务的设备,而是更青睐于具有一定思维能力的智能机器人。SLAM是人工智能技术的重要基础,其赋予了机器人自我感知世界的能力,通过搭载特定... 详细信息

科学技术的进步,使得人们对美好生活的向往有了更深层次的追求,人们已不满足于只能完成单一既定任务的设备,而是更青睐于具有一定思维能力的智能机器人。SLAM是人工智能技术的重要基础,其赋予了机器人自我感知世界的能力,通过搭载特定的传感器,在未知的环境中实现对环境模型的构建,同时估计自己的运动。目前,SLAM技术已被广泛应用于智能机器人、无人机、自动驾驶以及AR/VR等领域。伴随着计算机视觉技术的飞速发展,视觉传感器因其价格低廉、体积小和易部署等优势也得到了广泛的应用,研究一种以视觉传感器为主导的同时定位与地图构建方法成为了学者们所关注的话题之一。SLAM定位的实时性以及地图的高精度,依赖于一定的视觉计算和地图刷新频率,对系统计算和存储的需求高,导致资源有限的平台随着算法的迭代更新而失去支持。虽然引入DSP、GPU和FPGA等硬件资源能满足视觉SLAM方法的运行需要,但大量的同构处理器设备仍无法得到有效的应用,硬件成本的提高也违背了视觉SLAM方法低成本部署的初衷。此外,SLAM还面临着数据传输与共享的问题。一方面,SLAM实时生成的地图依赖于充足的存储空间,长时间运行必须对历史数据进行传输转移;另一方面,地图数据除了用于自身的定位,更要为其它上层的应用提供数据共享服务。为此,本文针对视觉SLAM方法在资源有限平台上的应用问题,提出了一种基于端边协同的轻量级视觉SLAM方法,重点解决算法的实时性和地图数据处理等问题。本文的主要研究内容如下:1)对目前主流的视觉SLAM方法进行调研与分析,提出视觉SLAM方法轻量化部署所遇到的问题与挑战。对已有的视觉SLAM方法进行深入的研究,从原理上分析各种算法的优点与不足,为本文进一步的研究奠定坚实的基础。2)特征点不受光照影响,具备旋转不变性和尺度不变性等优点,使得基于特征点法的视觉里程计有很高的准确性和稳定性,但该环节相对耗时,是提高实时处理帧率所要解决的首要问题。本文通过对特征点提取环节的理论分析,提出了一种基于并行化加速的特征点提取方法,能显著地提高现有算法的工作效率。3)现有的基于特征点法的视觉里程计算法,对每个输入图像都会进行关键点提取和描述子的计算,相邻图像之间基于特征点匹配来确认彼此之间的相对运动关系。同时,只有关键帧的描述子才会用于位置识别,对于大量普通图像的描述子是无效的。因此,本文提出了一种基于灰度不变性假设的快速跟踪策略,避免无效且耗时的描述子计算。同时,限制后端地图优化问题的规模,对地图数据及时进行历史缓存与推送,避免了本地存储量与计算量的激增。4)针对轻量级设备无法长时间缓存和维护大量的地图数据问题,本文结合边缘计算思想,提出了一种基于端边协同的地图构建方法。具体地,包含可靠的端边通信机制,位置识别和地图融合方法,解决因相机共视导致的地图数据冗余问题。本文以树莓派4B作为轻量级研究设备,并且基于KITTI Visual-Odometry和TUM Visual-Inertial数据集对本文方法开展综合性的实验。实验表明,本文方法相比于主流的视觉SLAM方法,算法的实时处理效率明显提高,端边协同机制能有效降低端设备的负载要求,同时也促进了设备之间的地图数据实时共享与融合,为开展大规模场景下的地图构建提供了有效的解决方案。

关键词：同时定位与建图轻量级端边协同

基于残差注意力卷积神经网络的机械臂抓取策略研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于残差注意力卷积神经网络的机械臂抓取策略研究

作者：洪倩倩广东工业大学

学位级别：硕士

伴随全球化产业深层次变化的发生,机械臂技术为多领域多产业提供了有力支撑。当前,机械臂在实际作业场景下仍面临环境复杂多变、目标模型未知,自主感知交互能力不足带来的严峻挑战。因此,本文以七自由度机械臂作为研究对象,围绕未知多... 详细信息

伴随全球化产业深层次变化的发生,机械臂技术为多领域多产业提供了有力支撑。当前,机械臂在实际作业场景下仍面临环境复杂多变、目标模型未知,自主感知交互能力不足带来的严峻挑战。因此,本文以七自由度机械臂作为研究对象,围绕未知多变的机械臂应用场景,以机械臂抓取问题作为研究主线,融合机器视觉与深度学习方法深入探索机械臂抓取位姿检测问题,同时针对机械臂路径规划问题展开分析研究,旨在为复杂未知环境中的机械臂自主抓取作业提供一种具有可行性的机械臂抓取策略。本文的主要研究工作内容如下:(1)针对复杂非结构化环境下未知物体的抓取质量与抓取决策效率不平衡问题,本文提出一种基于残差注意力生成网络的抓取位姿生成方法。本方法首先提出一种融合坐标注意力机制与对称跳跃连接策略的卷积神经网络结构,并引入多尺度并行空洞卷积模块以获取不同层次尺度的丰富上下文信息。同时,本方法通过结合超列特征融合方法,使模型受益于高层次语义特征与低层次方位特征之间的信息互补以增强所提方法面对未知新目标时的泛化能力。最后,本方法基于公开数据集完成消融实验与验证实验,实验结果证明本文所提方法的有效性与实时性。(2)针对机械臂在实际作业任务过程中的路径规划问题,本文分析并实现了基于随机快速搜索树(RRT)与改进随机快速搜索树(RRT*)的路径规划算法。在前述研究基础上,针对两种随机快速搜索树算法在不同空间维度的路径规划任务环境中进行了分析与比较,最后本文在七自由度机械臂上完成基于改进随机快速搜索树算法的机械臂末端路径规划实验。(3)本文基于ROS设计并搭建了面向自主抓取任务的机械臂控制系统,通过Gazebo仿真实验平台完成机械臂抓取仿真实验平台搭建与任务环境设置,分别在单目标物体与多目标物体的任务作业场景下进行了七自由度机械臂的抓取策略仿真实验的验证工作。实验结果表明本文对复杂未知环境中的机械臂抓取作业提供了一种具有可行性的机械臂抓取策略。

关键词：卷积神经网络机械臂抓取路径规划

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图卷积神经网络的摔倒行为检测方法研究

基于图卷积神经网络的摔倒行为检测方法研究

作者：陈文轩广东工业大学

学位级别：硕士

随着中国老龄化问题日渐突出,老人摔倒问题也就不可忽视。摔倒对老人身体的影响体现在它所带来的并发症,需要老人尽早就医才会有更高的恢复健康的机会。因此摔倒检测的研发具有重大的意义。文中先对摔倒检测方法的分类优缺点进行对比,... 详细信息

随着中国老龄化问题日渐突出,老人摔倒问题也就不可忽视。摔倒对老人身体的影响体现在它所带来的并发症,需要老人尽早就医才会有更高的恢复健康的机会。因此摔倒检测的研发具有重大的意义。文中先对摔倒检测方法的分类优缺点进行对比,然后着重对基于视觉的摔倒检测方法进行调研,最后围绕基于普通RGB摄像头下2D姿态估计算法的摔倒检测方法进行深入的研究。发现了这类方法存在摔倒骨骼数据集缺失、摔倒检测系统对现实泛化性差等难点与问题。在进一步调研了相关算法的基础上,为解决现存的问题与难点,本文的主要工作内容如下。首先,针对摔倒骨骼数据集缺失的问题,本文结合单目标跟踪及目标检测算法,提出了一种骨骼捕捉策略。将几个较大规模的公开摔倒数据集和自拍摄数据集转换为高质量的骨骼2D坐标数据集并进行标签重标注。然后,为解决摔倒系统泛化性差的问题,本文提出一种摔倒检测优化框架。框架包括优化基于姿态估计算法基础逻辑、数据集标签预处理及摔倒骨骼样本处理及模型训练策略。最后,本文结合图卷积提出一种多特征融合语义模型。它比以往CNN和RNN对骨骼数据的特征提取更能保留骨骼自身拓扑结构的连接特征。早期多特征融合模块能保证轻量级的同时获取更多信息,语义信息能帮助模型识别不同的关节点与时间帧。

关键词：轻量级图卷积模型摔倒检测骨骼捕捉策略摔倒系统优化框架

基于深度强化学习的机器人多任务策略迭代模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度强化学习的机器人多任务策略迭代模型研究

作者：苏萌韬广东工业大学

学位级别：硕士

随着工业4.0标准的推进和深度学习、大数据等技术的发展,机器人正逐步走向智能化。机器人在现实生活中的应用十分广泛,除了在工业应用中帮助人类更高效地完成工作以外,还可以在日常生活中代替人类完成各种工作任务。而机器人能像人一样... 详细信息

随着工业4.0标准的推进和深度学习、大数据等技术的发展,机器人正逐步走向智能化。机器人在现实生活中的应用十分广泛,除了在工业应用中帮助人类更高效地完成工作以外,还可以在日常生活中代替人类完成各种工作任务。而机器人能像人一样完成各种复杂的工作,依靠的不仅仅是外部的硬件设备,更重要的是机器人的决策系统,机器人的自主决策能力和策略迭代优化是实现智能机器人决策系统的关键。目前智能机器人的应用领域涉及军事、工业、医疗、家庭服务等多个行业。因此研究机器人的任务策略迭代模型具有重要的现实意义。本文讨论的机器人自主决策模型主要是采用深度强化学习的方式进行训练。在该方式下机器人与所处的执行任务空间经过多个回合的交互,强化成功的经验,最终学习出完成任务的最优策略。环境空间就是当前机器人执行任务空间。由于目前机器人与现实执行任务空间进行交互时存在采样效率过低等问题,因此往往需要建立模拟环境,让机器人与模拟环境进行交互,但是模拟环境内进行交互训练得到的最优策略并不能直接应用到现实环境中,严重阻碍了基于深度强化学习的决策模型的落地应用,而且目前的机器人难以实现多个任务策略的持续迭代学习,以应对多任务的决策问题。针对以上难题,本文提出一种机器人任务策略迭代模型,具体的研究工作概括如下:1.针对机器人自主决策模型的优化方法,调研与分析目前国内外的研究现状,并探究了深度强化学习与策略迁移的相关理论与主流的强化学习算法。2.针对目前机器人在模拟环境中训练得出的策略模型难以迁移到现实环境中使用的问题,提出一种基于渐进式神经网络的机器人策略迁移方法。该方法对常规的基于多层感知机建立的渐进式神经网络进行改进,采用基于LSTM的网络结构建立深度强化学习的策略模型,提高策略模型在行为克隆和强化学习中对数据特征的提取能力,同时针对强化学习样本效率低的问题,提出一种基于聚类经验池(cluster experience pool,CEP)的优化算法,提高强化学习经验单元的样本利用效率,使强化学习的成功经验样本效率更高,并利用渐进式神经网络的结构优点,实现把模拟环境训练的策略模型向现实环境的迁移。最后进行了与基准模型的比较实验和结果分析。3.渐进式神经网络进行多任务学习时候,模型会随着任务增多而变得越来越臃肿,并且多任务学习也会导致知识负迁移。针对问题,本文结合了模型剪枝和注意力单元的方法,对基于渐进式神经网络的机器人多任务学习框架进行了改进,并将剪枝后的模型与目前主流的多任务学习模型进行了对比实验和分析。最后,对本课题研究的内容进行总结和分析,归纳总结本文的主要工作和不足之处,并对未来的研究方向进行展望。

关键词：渐进式神经网络强化学习策略迁移多任务学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于关键帧的闭环检测和地图优化研究

基于关键帧的闭环检测和地图优化研究

作者：文国成广东工业大学

学位级别：硕士

随着计算机技术的飞速发展,智能机器人在人类的生活中扮演着越来越重要的角色,相关的研究成为了学者的热门研究方向。要体现机器人的智能之处,就需要其能像人一样,可以在任何未知环境中,自由的行走,要实现这一功能,SLAM是关键技术之一。... 详细信息

随着计算机技术的飞速发展,智能机器人在人类的生活中扮演着越来越重要的角色,相关的研究成为了学者的热门研究方向。要体现机器人的智能之处,就需要其能像人一样,可以在任何未知环境中,自由的行走,要实现这一功能,SLAM是关键技术之一。SLAM(Simultaneously Localization and Mapping)的全称为即时定位与构图,通过传感器感知环境信息,结合SLAM算法实现在未知环境中的地图构建和移动机器人的定位。作为发展多年的算法,SLAM的研究热点从早期的使用测距传感器获取2D环境信息和基于概率模型计算的增量式地图,发展至用摄像头获取3D环境的丰富信息和基于优化的图结构地图,说明着该领域依然有很多值得改进和研究的地方。本课题针对在二维环境基于激光的图优化SLAM算法中,传统图优化算法和闭环检测方法存在的问题,作出分析与改进,并结合实验证明改进算法的有效性,主要工作内容如下:(1)分析SLAM算法在智能机器人中的重要性和应用现状,介绍SLAM算法的发展情况、国内外现状和算法相关基础知识。针对基于图优化的SLAM算法作深入研究与分析,以GraphSLAM为例阐述图优化SLAM算法原理和求解方式。(2)介绍目前主流的通用图优化(Graph Optimization)框架,推导并分析最优解的求解过程,针对求解公式中信息矩阵因数据累积导致复杂计算量的问题,提出构建关键帧的解决方法,用基于关键帧构建的全局图进行图优化,以减少信息矩阵的元素计算量;对图优化算法在SLAM系统中的应用框架作改进,提出以全局图为主导的图优化框架与SLAM系统结合使用,以提高优化算法的效果和速度,最终结合仿真实验说明改进算法的可行性。(3)基于CSM(Correlative Scan Matching)匹配算法做闭环检测,针对原算法匹配效率低下和存在误检的情况,提出用关键帧提高匹配准确率的改进方法。又因为关键帧的改进方法会降低算法的计算速度,于是在改进方法的基础上,本文再对闭环检测候选集的筛选方法做改进,确保准确率不降的前提下,提高匹配算法的检测速度。通过仿真实验与先进算法做比较,证明改进算法的有效性。(4)针对本文提出的改进算法,将其与实时的SLAM系统结合,在真实环境进行实验测试,通过与原算法对比分析,证明改进方法在时效性和构图效果上都有所提升。

关键词：地图构建图优化闭环检测关键帧