论文部分内容阅读
家庭环境下,服务机器人物品搜索是执行物品传送、抓取等任务的重要基础和前提,对提高机器人智能化水平和服务能力具有重大意义。目前,针对家庭环境下服务机器人物品搜索的研究,大多采用构建环境语义地图进行物品搜索的方法,但是由于不同家庭环境存在差异,面对未知家庭环境需要重新构建语义地图来获取物品信息,这降低了机器人物品搜索的效率和适应性。为了解决这个问题,本文以未知家庭环境为应用背景,对服务机器人物品搜索问题展开深入研究,以物品搜索先验知识为指导,以家庭室内场景识别模型和物品检测模型为工具,提出了一种未知家庭环境下服务机器人高效物品搜索方法。服务机器人根据目标物品在家庭物品搜索知识库中进行查询,得到关于目标的场景知识和物品知识;在场景知识的指导下,通过室内场景识别模型机器人完成目标场景的识别,以此来缩小搜索空间;在目标场景中,机器人在物品知识的指导下使用物品检测模型检测到目标物品,完成物品搜索任务。本文的研究内容和创新之处如下:1、构建了家庭物品搜索知识库,可为服务机器人执行物品搜索提供物品共现知识和物品场景共现知识,在提高未知家庭环境下物品搜索效率的同时,还能够满足不同家庭环境下物品搜索的要求,提高了对环境的适应性。该知识库利用大规模数据集的标注信息,基于图模型和概率统计的方法自动生成物品搜索的先验知识。它涵盖了 358种家庭常见物品,能够满足大部分家庭环境下物品搜索的任务要求,同时具备知识更新的功能。2、为了利用室内场景知识来缩小搜索空间,提出了一种基于迁移学习与CNN特征匹配的室内场景识别模型,解决了室内场景数据规模小难训练、识别准确率低的问题,仅利用少量的室内场景数据就可以获得较高的识别准确率,促进了物品搜索效率的提高。该模型利用迁移学习的方法,基于室内场景图片的CNN特征生成场景类别特征,将待测场景图片的CNN特征与场景类别特征进行匹配得出场景识别结果。在公共场景数据集Scene 15和MIT 67上进行了测试,分别取得了96.49%和81.69%的识别准确率,并与其他先进方法进行了对比,该模型在识别准确率、速度等方面具有优势。3、提出了一种基于先验知识的物品检测模型,解决了物品搜索最后环节小物品检测问题。在高效地利用物品检测先验知识的基础上,为了提高物品检测的性能,基于残差网络构建了一个物品检测模型。在提高了检测精度和速度的同时,提出了一种实例物品检测模型,实现了机器人从物品类别检测到物品个体检测,解决了当前物品检测模型不能进行实例物品检测的问题。通过实验证明该模型在小物品和实例物品检测方面具有较好的性能,提高了机器人物品搜索的能力、效率和水平。本文提出的物品搜索方法,将家庭物品搜索知识库、室内场景识别和物品检测紧密结合,对于提高未知家庭环境下服务机器人物品搜索的效率、能力和适应性具有较好的实用价值和科学意义。