【《扫地机器人的目标检测研究现状文献综述》2000字】

扫地机器人的目标检测研究现状文献综述扫地机器人的国内外研究现状最早的扫地机器人出现在2002年,家电公司伊莱克斯推出了三叶虫智能扫地机器人。作为全球首款量产的智能扫地机器人,伊莱克斯在当时彻底颠覆了人们对扫地的概念。在那个时候伊莱克斯就已经让扫地机器人初步具备目标检测的功能，它通过超声波检测障碍物并绕道，在当时是一项极具想象力和实用性的应用。作为第一款面向公众的扫地机器人，伊莱克斯的三叶虫扫地机器人虽然还有很多不足之处，但是这为今后对扫地机器人的研究和发展奠定了巨大的基础，下图就是三叶虫扫地机器人：图SEQ图表\*ARABIC1.1三叶虫扫地机器人在国产智能扫地机器人方面,最早在03年iRobot和Proscenic公司开始了对扫地机器人的研究和发明，它们解决的真空吸尘和碰撞式运动等问题为今后国产扫地机器人的发明提供了很大的贡献。发展至今，扫地机器人的造型越来越新颖，功能也越来越丰富，国人对于扫地机器人也渐渐热衷了起来，如今国产品牌的扫地机器人功能现在十分强大，在能适应复杂的家庭环境的同时已经能很大程度上提高清洁效率，如科沃斯、福玛特、米家以及海尔等，它们在造型各异的同时，功能相比二十年前已是今非昔比，上述品牌的扫地机器人基本都具备精准避障、24小时实时精确建图、静音强擦、自动集尘等实用性功能，国产品牌在功能实用的同时，也让使用者在使用的时候感到舒适舒心，真正做到了服务性扫地机器人。以下是多样的扫地机器人：图1.2从左到右依次是高仙消毒清洁机器人，科沃斯扫地机器人，米家扫地机器人扫地机器人可以通过遥控器或者机器上的遥控面进行操控清洁，而由于大多数都使用的是充电电池，所以需要定时进行充电，但在如今的科技下，你可以预定时间自动清洁以及自动充电。由于前方设置的感应器，扫地机器人可以侦测障碍物并自行转弯，而且根据用户自己的设定和房间的布局它甚至可以走不同的路线以规划清扫地区。现在市场上的大部分扫地机器人侦测系统分为两类：红外线传感和超声波仿生技术（由于一些机型较老可能缺少一些功能）。由于机器人科技的发展和市场的需求，每种品牌的扫地机器人根据不同的研发方向设计出了特殊的功能，比如：科沃斯的扫地机器人能建立3d地图模型、除菌湿拖、手机APP遥控、移动芳香等功能，而福玛特甚至能语音操控、激光雷达以及能设定多重模式来应对不同的家庭环境。因此如今的扫地机器人简单操作、功能强大、小巧便利。目标检测的国内外研究现状在当前飞速发展信息时代下，人工智能产业的发展日新月异，深度学习已经逐渐引起了研究人员的注意。深度学习的发展经历了相当长的历程，人工神经网络最初从生物大脑的模型中获得灵感，并试图通过使用简单但大量互联的处理单元（神经元）来重现它的一些功能。一个典型的神经网络结构包含若干层神经元，这些神经元相互馈电。深度学习在目标识别、图像分类和检索方面取得了很好的效果。在当前的CNNs中，每一层都由在前一层上并行工作的不同的神经元子层组成，以便像滤波器组一样一次提取多个特征。Krizhevsky等人给出了一个例子的过滤器学习在第一层的CNN设计的图像分类。每个滤光片详细描述三个输入色带，通过卷积产生相应的特征图。在本例中，生成96个特征图作为第二层的输出，这些特征图成为下一层的输入。CNN在很多年前就已经引入，但最近变得越来越流行。一方面，可负担计算能力的快速增长，特别是图形处理单元（gpu）的快速增长，以及用于训练的标记图像的大数据集的扩散，极大地增加了人们对该方法的兴趣。另一方面，新的研究为更快更可靠的学习提供了许多创新的解决方案。例如，校正线性单元（ReLU），一个具有简化非线性的神经元，它允许更快的训练，以及减少过拟合的技术，如丢失，或数据增强。在Krizhevsky等人的开创性工作中提出的第一个利用所有这些解决方案的CNN将图像分类结果提高了10%以上。下图为近几年基于深度学习的目标检测发展进程：图1.3基于深度学习的目标检测的发展下图介绍了如今两类目标检测算法：图1.4twostage算法图1.5onestage算法参考文献欧勇盛,江国来.服务机器人的产业化发展之路[J].机器人技术与应用,2012(5):5-12.宋章军.服务机器人的研究现状与发展趋势[J].集成技术,2012,1(3):1-9.汪洋.扫地机器人定位算法设计与嵌入式系统实现[D].中国科学技术大学,2016.罗胜.吸尘机器人的现状及其智能系统的若干关键技术[J].传感器与微系统,2007,26(11):5-9.高斌．室内智能扫地机器人的关键技术研究[D]．重庆大学，2017．赵航,刘玉梅,卜春光,等.扫地机器人的发展现状及展望[J].信息与电脑:理版,2016(12):167-168.杜忠惠.清洁机器人的运动控制与超声定位系统的设计与实现[D].东北师范大学,2016.张培培.基于深度学习的图像目标检测算法研究.［Ｊ］.理论与方法，2020，39（08）：34－39柴剑．智能扫地机器人技术的研究与实现[D]．西安电子科技大学，2014．周晓彦，王珂，李凌燕．基于深度学习的目标检测算法综述[J]．电子测量技术，2017，40（11）：89－93．张慧，王坤峰，王飞跃．深度学习在目标视觉检测中的应用进展与展望[J]．自动化学报，2017，43（08）：1289－1305．王子明.基于深度学习的扫地机器人中垃圾及物体识别的算法研究[D]．南昌大学，2020HeritageImageClassificationbyConvolutionNeuralNetworks.ConferencePaper,April2018JurgenSchmidhuber.TheSwissAILabIDSIAIstitutoDalleMollediStudisull’IntelligenzaArtificialeUniversityofLugano&SUPSIGalleria2,6928Manno-LuganoSwitzerland,20148.8DesignandImprovementofaNewSmartCleaningRobot.XieJ,HuoY.ElectronicTest.2018Deeplearningforcontent-basedimageretrieval:acomprehensivestudy.WANJ,WANGD,HOISCH,etal.ACMInternationalConferenceonMultimedia.2014LPPNetALearningNetworkforImageFeatureExtractionandClassification.LiG,DuH,XiaoM,etal.ChineseConferenceonBiometricRecognition.2018DeepConvolutionalNeuralNetworksforComputer-AidedDetection:CNNArchitectures,DatasetCharacteristicsandTransferLearning.HoochangS,RothHR,GaoM,etal.IEEETransactionsonMedicalImaging.2016D