基于NAO机器人的数字识别

机器人拥有多种应用,其中较为重要的是图像识别能力,而它们的图像识别网络均需要不断的训练,才能准确地识别物体。为解决NAO机器人在室内环境下实时数字识别问题,重新设计图像识别模块,在TensorFlow中搭建两种数字识别系统,一种基于BP神经网络,另一种基于卷积神经网络(CNN)。在相同的数据集上,BP神经网络与CNN在仿真中都取得了较好的效果,但在真实的机器人上运行时,CNN在有限的实验次数内得到了更好的数据,被证明是一种更有效的数字识别系统。