已选(0)清除
条数/页: 排序方式: |
| 基于深度强化学习与力封闭融合的三指手机器人抓取方法研究 学位论文 工程硕士, 中国科学院自动化研究所: 中国科学院大学, 2020 作者: 刘永乐 Adobe PDF(12619Kb)  |  收藏  |  浏览/下载:253/9  |  提交时间:2020/06/18 机器人抓取 深度强化学习 力封闭 域随机化 |
| 工业零件三维位姿检测、跟踪与装配方法研究 学位论文 , 北京: 中国科学院研究生院, 2017 作者: 朱文俊 Adobe PDF(4973Kb)  |  收藏  |  浏览/下载:349/4  |  提交时间:2018/01/25 工业机器人 工业零件 自动装配 三维位姿检测与跟踪 |
| 面向大口径器件装配的三维检测与位姿估计方法研究 学位论文 , 北京: 中国科学院研究生院, 2017 作者: 覃政科 Adobe PDF(13287Kb)  |  收藏  |  浏览/下载:391/11  |  提交时间:2017/06/13 大口径器件装配 视觉检测 六自由度位姿估计 视觉跟踪 |
| 生物启发式视觉识别模型与算法研究 学位论文 , 北京: 中国科学院研究生院, 2016 作者: 李寅霖 Adobe PDF(10822Kb)  |  收藏  |  浏览/下载:393/7  |  提交时间:2016/06/23 生物启发 生物机制 Hmax 模型 多层结构 分类 检测 机器人 |
| 计算机视觉中引入结构信息的点匹配算法研究 学位论文 , 北京: 中国科学院研究生院, 2016 作者: 钱德恒 Adobe PDF(8291Kb)  |  收藏  |  浏览/下载:203/4  |  提交时间:2016/06/21 |
| 装配机器人系统中基于视觉的零件检测与抓取策略的研究 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2010 作者: 李远钱 Adobe PDF(1981Kb)  |  收藏  |  浏览/下载:254/0  |  提交时间:2015/09/02 机器人视觉 零件检测 零件抓取趋近 有监督学习 特征点提取 Robot Vision Parts Detection Object Reaching Supervised Learning Feature Extraction |
| 流形学习与基于稀疏化的半监督分类相关方法研究 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2012 作者: 古楠楠 Adobe PDF(2693Kb)  |  收藏  |  浏览/下载:268/0  |  提交时间:2015/09/02 降维 流形学习 半监督学习 半监督分类 稀疏化 机器学习 Dimensionality Reduction Manifold Learning Semi-supervised Learning Semi-supervised Classification Sparse Representation Machine Learning |
| 基于移动视觉平台的行人检测与跟踪技术研究 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2012 作者: 王敏 Adobe PDF(8536Kb)  |  收藏  |  浏览/下载:162/0  |  提交时间:2015/09/02 智能交通 流形学习 行人检测 跟踪 Intelligent Transportation Manifold Learning Pedestrian Detection Tracking |
| 工业环境中三维物体定位、抓取和装配方法研究 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2012 作者: 区志财 Adobe PDF(13063Kb)  |  收藏  |  浏览/下载:287/0  |  提交时间:2015/09/02 高精度装配 稳定抓取 视觉定位 环境约束域 表观子空间 High-precision Assembly Robotic Grasping Visual Localization Attractive Region Appearance Sub-space |
| 基于进化算法的工件视觉定位及其在工业机器人中的应用 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2011 作者: 刘伟 Adobe PDF(4405Kb)  |  收藏  |  浏览/下载:252/0  |  提交时间:2015/09/02 进化算法 工件视觉定位 多特征融合 监督学习 高精度装配 Evolutionary Algorithm Visual Localization Multi-feature Fusion Supervised Learning High-precision Assembly |