论文部分内容阅读
为了提升机器人运动状态估计的准确性与效率,所以研究基于深度强化学习的机器人运动状态估计方法。采用基于FPGA与DSP的图像采集技术采集机器人图像,利用彩色图像灰度化算法预处理采集到的彩色运动机器人图像,将灰度化处理后图像输入至深度强化学习网络,依次执行特征提取、搜索路径确定以及候选区域回归等操作,获得运动机器人目标检测结果。以机器人目标检测结果为主要依据,利用卡尔曼滤波算法完成机器人运动状态估计。实验结果表明,该方法可有效估计机器人运动状态,并且估计的准确性与效率均较高,受噪声环境影响较小,可以实现对于机器人运动状态的快速精准评估。