论文部分内容阅读
随着人工智能技术的发展以及我国人口老龄化问题的加重,对室内服务机器人的研究成为目前自动控制与计算机技术领域的一大热点。为了让服务机器人具备高效、精确的视觉感知能力,提高机器人的服务水平,因此对机器人视觉算法的研究也成为机器人研究领域中的重点。随着图像处理、计算机视觉技术的迅猛发展,应用于机器人视觉领域内的算法层出不穷。但是由于服务机器人工作的家庭环境具有复杂的、非结构化的特征,在具有复杂背景扰动和障碍物遮挡的情况下,实现服务机器人对环境的识别与理解是一件具有挑战性的工作。因此,如何研究出一套适用范围广、准确率高、实时性高的视觉识别方法具有很重要的实际意义。本文以家庭环境下服务机器人为研究对象,对机器人的目标搜寻方法进行了研究,提出了一种基于视觉注意机制的目标搜寻系统。将人类视觉的选择性注意机制应用于机器人的视觉算法中,使得机器人能够像人一样快速铺捉到有用的兴趣区域,减少对无关区域的检索与识别,大大提高了服务机器人的服务效率。本文提出的机器人目标搜寻系统主要包括三个部分:基于视觉注意机制的目标区域预选取、基于改进遗传算法的机器人路径规划、基于WSMTL模型的目标精确识别与匹配。本文主要完成如下工作:(1)研究了基于视觉注意机制的VOCUS预选取系统。该系统是结合Bottom-up和Top-down两种视觉注意力检测机制,协同检测出机器人视觉场景中与目标相关的兴趣区域,作为目标的预选取区域,这样对视觉信息进行了过滤,减少了对无关区域的检测,在一定程度上提高了服务机器人的目标搜寻效率;(2)研究了服务机器人在家庭环境下的路径规划方法,提出了一种基于改进的遗传算法用于路径规划,在遗传算法中引入了可视化空间的概念,保证产生的个体都是可行的,加快了算法的收敛速度。并对遗传算子和变异操作进行了改进,增加了种群的多样性。路径规划模型能够为机器人提供一条从起始位置到目标大致区域移动的最短的、无障碍的路径,便于机器人进行近距离的目标识别;(3)研究了机器人目标精确识别与匹配算法,提出了一种基于弱监督的度量和模版学习的目标识别模型(WSMTL)。采用简单有效的模版匹配算法用于目标识别任务,其中模版是从训练数据中训练得到的。设计一个新的框架,能够抑制噪音和不平衡训练数据的影响,为模版学习和识别自动选择“干净的”图像。通过WSMTL模型实现机器人对目标近距离的识别与匹配,提高目标识别的精确度。