-
题名基于机器视觉的物料袋图像深度信息的提取
被引量：3
- 1
-
-
作者
李国平
刘华冠
李长春
张天厚
-
机构
济南大学机械工程学院
-
出处
《济南大学学报（自然科学版）》
CAS
北大核心
2010年第2期193-197,共5页
-
基金
山东省自然科学基金(Y2007G23)
山东省教育厅资助项目(J07WJ06)
-
文摘
建立机器视觉的几何测量模型,设计实验装置并进行标定。得到输出深度图像中灰度值与物体实际深度之间的反比例关系式。实现物料袋深度信息的提取,很好地反应出物料袋的表面形貌,并对所得结果的误差进行分析。
-
关键词
机器视觉
物料袋
图像深度信息
灰度值
-
Keywords
machine vision
bag
image＇s depth information
gray value
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名改进深度强化学习的室内移动机器人路径规划
被引量：16
- 2
-
-
作者
成怡
郝密密
-
机构
天津工业大学控制科学与工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第21期256-262,共7页
-
基金
国家自然科学基金(61973234)
天津市自然科学基金(18JCYBJC88400,18JCYBJC88300)
天津市高等学校创新团队培养计划(TD13-5036)。
-
文摘
为了解决传统深度强化学习在室内未知环境下移动机器人路径规划中存在探索能力差和环境状态空间奖励稀疏的问题,提出了一种基于深度图像信息的改进深度强化学习算法。利用Kinect视觉传感器直接获取的深度图像信息和目标位置信息作为网络的输入,以机器人的线速度和角速度作为下一步动作指令的输出。设计了改进的奖惩函数,提高了算法的奖励值,优化了状态空间,在一定程度上缓解了奖励稀疏的问题。仿真结果表明,改进算法提高了机器人的探索能力,优化了路径轨迹,使机器人有效地避开了障碍物,规划出更短的路径,简单环境下比DQN算法的平均路径长度缩短了21.4%,复杂环境下平均路径长度缩短了11.3%。
-
关键词
路径规划
深度图像信息
Kinect视觉传感器
深度强化学习
奖惩函数
探索能力
-
Keywords
path planning
depth image information
Kinect visual sensor
deep reinforcement learning
reward and punishment function
exploration ability
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
