论文部分内容阅读
多模态融合对于机械手充分感知外界环境至关重要,单一模态信息会限制机械手对物体的识别、抓取能力,而传统的跨模态数据生成方法生成的图像效果较差,导致多模态融合效果并不理想.为了解决跨模态生成的图像效果差和多模态融合的数据缺乏等问题,本文提出变分贝叶斯高斯混合条件生成对抗网络(BGM-CGAN)的跨模态多样性噪声数据生成式方法.首先利用变分贝叶斯高斯混合算法将均匀分布的随机噪声组生成单一的混合变量;然后将生成的混合变量通过高斯混合模型生成一系列高斯混合噪声组;最后从生成的高斯混合噪声组中随机选取单一高斯噪