导读:本文包含了楼梯识别论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,卷积神经网络,Caffe,楼梯识别
楼梯识别论文文献综述
顾昊,曲毅[1]（2018）在《基于卷积神经网络的楼梯识别》一文中研究指出深度学习发展至今已经在诸多领域展现出卓越的性能,利用卷积神经网络进行图像识别是当前深度学习的重要应用之一。运用卷积神经网络对大量楼梯图片进行网络训练,使机器人在识别楼梯或类似障碍物时能自主攀爬。采用当前主流深度学习框架Caffe,使用卷积神经网络AlexNet和ResNet对楼梯图片集进行训练和测试。实验得出,ResNet的识别准确率为96.5%,AlexNet识别准确率为92.3%,相较而言,ResNet性能优于AlexNet,可以为机器人对楼梯的自动识别提供一些参考。(本文来源于《现代计算机(专业版)》期刊2018年28期）
丛杨,郑群辉,唐延东[2]（2008）在《基于立体视觉的移动机器人楼梯识别》一文中研究指出本文提出了一种结构化环境下,基于立体视觉的机器人楼梯识别算法,并将算法该应到自主移动机器人上。该算法首先利用二维图像分析的方法搜索楼梯的疑似区域;进而利用立体视觉对各个疑似区域进行精确叁维重建,结合叁维信息重构楼梯平面,排除虚假疑似楼梯区域;最后判定机器人和楼梯的相对位姿关系,引导机器人爬楼梯。最终我们将该算法应用到了自主移动机器人上,通过在各种光照条件下的实验,进一步验证了该算法的准确性和快速性。(本文来源于《2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）》期刊2008-06-01）
楼梯识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文提出了一种结构化环境下,基于立体视觉的机器人楼梯识别算法,并将算法该应到自主移动机器人上。该算法首先利用二维图像分析的方法搜索楼梯的疑似区域;进而利用立体视觉对各个疑似区域进行精确叁维重建,结合叁维信息重构楼梯平面,排除虚假疑似楼梯区域;最后判定机器人和楼梯的相对位姿关系,引导机器人爬楼梯。最终我们将该算法应用到了自主移动机器人上,通过在各种光照条件下的实验,进一步验证了该算法的准确性和快速性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
楼梯识别论文参考文献
[1].顾昊,曲毅.基于卷积神经网络的楼梯识别[J].现代计算机(专业版).2018
[2].丛杨,郑群辉,唐延东.基于立体视觉的移动机器人楼梯识别[C].2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）.2008