場景建模與機(jī)器人感知

 
 
第1章三維重建
1.1概述
1.2國內(nèi)外主要研究工作
1.2.1基于多視圖幾何的三維重建
1.2.2基于深度學(xué)習(xí)的三維重建
1.2.3小結(jié)
1.3技術(shù)實踐
1.3.1技術(shù)案例一： 基于多任務(wù)的深度圖預(yù)測
1.3.2技術(shù)案例二： 主動式目標(biāo)三維重建與補(bǔ)全優(yōu)化
1.3.3技術(shù)案例三： 基于模型替換的場景建模
1.3.4技術(shù)案例四： 基于無監(jiān)督學(xué)習(xí)的場景重建
1.3.5技術(shù)案例五： 基于單視角圖像的場景重建
1.4本章小結(jié)
1.5思考題
參考文獻(xiàn)
第2章場景探索
2.1概述
2.2國內(nèi)外主要研究工作
2.2.1三維重建中的場景探索
2.2.2視覺語義導(dǎo)航中的場景探索
2.2.3小結(jié)
2.3技術(shù)實踐
2.3.1技術(shù)案例一： 對象感知引導(dǎo)的自主場景三維重建
2.3.2技術(shù)案例二： 面向未知三維場景重建系統(tǒng)的設(shè)計與實現(xiàn)
2.3.3技術(shù)案例三： 視覺語義導(dǎo)航中基于語義場景補(bǔ)全的
場景探索
2.4本章小結(jié)
2.5思考題
參考文獻(xiàn)
第3章場景理解
3.1概述
3.2國內(nèi)外主要研究工作
3.2.1基于物體檢測與分類的室內(nèi)場景理解
3.2.2基于場景圖發(fā)掘物體關(guān)聯(lián)的室內(nèi)場景理解
3.2.3小結(jié)
3.3技術(shù)實踐
3.3.1技術(shù)案例一： 基于卷積神經(jīng)網(wǎng)絡(luò)的點云語義分割與分類
3.3.2技術(shù)案例二： 基于三維場景點云的場景圖生成
3.4本章小結(jié)
3.5思考題
參考文獻(xiàn)
 
 
 
第4章機(jī)器人導(dǎo)航與避障
4.1概述
4.2國內(nèi)外主要研究工作
4.2.1經(jīng)典重定位算法
4.2.2基于深度學(xué)習(xí)的重定位算法
4.2.3經(jīng)典導(dǎo)航與避障算法
4.2.4基于深度學(xué)習(xí)的導(dǎo)航與避障算法
4.2.5小結(jié)
4.3技術(shù)實踐
4.3.1技術(shù)案例一： 基于特征數(shù)據(jù)庫匹配的相機(jī)重定位
4.3.2技術(shù)案例二： 基于深度學(xué)習(xí)的相機(jī)重定位
4.3.3技術(shù)案例三： 基于相機(jī)重定位的機(jī)器人導(dǎo)航
4.3.4技術(shù)案例四： 基于已知柵格地圖的機(jī)器人避障
4.3.5技術(shù)案例五： 基于深度強(qiáng)化學(xué)習(xí)的多智能體避障
4.3.6技術(shù)案例六： 基于單目相機(jī)的復(fù)雜場景自主避障
4.4本章小結(jié)
4.5思考題
參考文獻(xiàn)
第5章機(jī)器人抓取
5.1概述
5.2國內(nèi)外主要研究工作
5.2.1基于分析法和經(jīng)驗法的抓取方式檢測
5.2.2基于深度學(xué)習(xí)的抓取方式檢測
5.2.3小結(jié)
5.3技術(shù)實踐
5.3.1技術(shù)案例一： 基于物體交互動力學(xué)的抓取姿態(tài)檢測
5.3.2技術(shù)案例二： 基于主動學(xué)習(xí)的機(jī)器人抓取
5.3.3技術(shù)案例三： 基于Faster RCNN的機(jī)器人抓取
5.3.4技術(shù)案例四： 基于弱監(jiān)督語義分割網(wǎng)絡(luò)的機(jī)器人抓取
5.3.5技術(shù)案例五： 基于生成式的抓取姿態(tài)檢測
5.4本章小結(jié)
5.5思考題
參考文獻(xiàn)
第6章綜合項目實踐： 面向機(jī)器人任務(wù)的三維場景建模與理解
6.1項目實踐背景
6.2項目實踐概述
6.3項目實踐結(jié)構(gòu)
6.4主要模塊設(shè)計與實現(xiàn)
6.4.1多個RGBD相機(jī)的驅(qū)動與信息采集
6.4.2基于多RGBD相機(jī)融合的室內(nèi)場景三維重建
6.4.3基于RGBD序列的場景標(biāo)記技術(shù)方法
6.4.4平臺設(shè)計
6.5本章小結(jié)
6.6思考題
參考文獻(xiàn)