移动机器人楼宇服务建图与导航关键技术研究
这是一篇关于楼宇服务,目标检测,语义地图,多楼层导航,服务机器人的论文, 主要内容为随着城市化的加速,多楼层建筑中的酒店配送、楼宇清洁、快递收发等服务需求不断增长,推动了移动机器人在多楼层服务领域的广泛应用。为实现上述服务,需要构建楼宇地图,并实现多楼层自主导航。然而,多楼层建筑环境复杂,为机器人充分理解楼宇环境,需构建楼宇的度量地图与语义地图。在未进行楼宇电梯改造情况下,移动机器人仅依靠自身传感器乘坐电梯实现完全自主的多楼层导航,对环境状态检测与路径规划技术提出了更高的要求。因此,本文设计了移动机器人楼宇服务建图与导航系统,并对其中的楼宇栅格语义地图构建、自主导航环境状态检测和路径规划技术展开了研究,在仅依靠自身传感器的情况下,实现了地图构建和自主导航。主要研究内容如下:(1)设计了移动机器人楼宇服务建图与导航系统。在对移动机器人楼宇服务应用场景、任务流程与系统功能需求进行分析的基础上,确定了总体技术方案,完成了机器人软硬件系统设计,包括硬件选型与装配、基于ROS的软件框架和后台人机交互软件设计。(2)提出了基于多特征融合网络的楼宇栅格语义地图构建技术。提出了基于多特征融合网络的房间门牌号检测算法,通过串联膨胀卷积加强全局特征提取能力,并且采用注意力机制融合深层特征与浅层特征,提升了对门牌号小目标的检测能力。同时,在构建的各楼层栅格地图的基础上,利用检测得到的房间门牌号信息对栅格地图的相应房间进行语义分割,得到适用于移动机器人多楼层自主导航的楼宇栅格语义地图。(3)实现了面向移动机器人多楼层服务的环境状态检测与路径规划。提出了基于轻量化网络的分阶段电梯按键检测算法,提高了按键字符识别的精度和效率;在房间门与电梯门语义信息的基础上,利用激光雷达数据精确检测它们的开关状态;并使用目标检测网络实现电梯所处楼层的识别,实现了多楼层服务中的环境状态检测。考虑门关键点信息对A*全局路径规划算法进行改进,解决了转向点多、路径不平滑和距离障碍物过近的问题;在多层代价地图中融合了行人轨迹预测信息进行局部路径规划,提升了机器人动态避障能力。(4)完成了移动机器人楼宇服务建图与导航相关实验研究与分析。依据房间门牌号检测结果进行房间语义分割,成功生成了楼宇栅格语义地图。同时,利用本文所设计的移动机器人楼宇服务建图与导航系统完成了机械臂操作电梯按键实验以及多楼层自主导航整体实验,验证了系统各功能与技术的有效性。
服务机器人远程控制关键技术研究
这是一篇关于服务机器人,混合式网络控制,机器人远程控制,流视频服务器,JSP/Servlet技术的论文, 主要内容为随着老龄化社会的到来,家庭的陪护和环境安全监控问题引起了社会的广泛关注。服务机器人技术研究已有几十年历程,取得了丰富成果,结合Internet和GPRS/GSM等信息网络技术发展,采用机器人技术解决社会老龄化问题成为研究的热点,对促进服务机器人走入家庭和产业化发展具有深远意义。面向室内应用环境,本文针对服务机器人网络控制技术进行了以下研究工作: 首先在传统机器人控制体系基础上,提出了基于网络的式机器人控制体系。本体系将机器人控制系统划分为规划层、行为层和行为序列评估层。并将竞争式与协作式结合产生混合行为选择机制,同时给出一种基于网络控制评价机制的用户控制与机器人本地自主决策的行为序列排队机制。 面向手机终端,进行了基于CAN总线的GPRS/GSM网络远程控制安全监护模块研制。该模块集成了微控制器、JEPG微型相机及GPRS/GSM模块。通过手机网络的短信和彩信方式实现用户对机器人的远程控制,并设计了机器人的相关控制方法。由于采用CAN总线实现与机器人主控系统通讯,该模块具有结构紧凑、通用性强和稳定性好特点。 基于Internet技术的服务机器人远程控制研究。首先,在机器人端根据本文提出的机器人控制体系给出在控制代码的实现方式。然后,针对服务机器人的远程控制特点,建立了基于B/S和C/S混合式的服务机器人网络控制框架。在本地服务器端,构建了一个指令中转站和基于Live555的流视频服务器,实现机器人的视频传输,针对流视频传输过程的网络延迟,提出了一种缓冲机制,减轻了视频传输的阻塞现象。在Web服务器端,本文基于JSP/Servlet技术构建了服务器,实现Web服务器与本地服务器的信息传输,并采用Ajax技术实现与客户端信息传输的页面无刷新动态更新。并采用Flash方法设计了客户端登陆、注册和控制页面,最终实现服务机器人的可靠远程控制。 通过GPRS/GSM网络控制实验和Internet网络控制实验,验证了系统具有可靠的网络操作性,实现混合网络下服务机器人自主决策与用户决策融合的控制方式。本研究对服务机器人的远程控制发展具有重要的实际意义和借鉴。
动态环境下服务机器人导航系统设计与实现
这是一篇关于服务机器人,多传感器融合,行人检测,路径规划的论文, 主要内容为随着机器人相关技术的迅猛发展和机器人市场的不断扩大,服务机器人在医院、商场、博物馆等场景中的应用日益广泛,但是在复杂的动态环境下服务机器人导航系统仍然面临着诸多挑战。例如,若行人在移动的过程中受到手机或者同伴的影响,可能无法及时观察到周边环境,导致与移动中的服务机器人发生碰撞。因此,在动态环境中服务机器人如何在保障行人安全的前提下,高效地避让行人并保证行人的社交舒适性已成为服务机器人领域急需解决的重要问题之一。针对该问题,本文以室内服务机器人为研究对象,设计了一个能够结合行人运动状态信息的导航系统,具体研究内容如下:(1)提出了一种融合二维激光雷达和RGB-D相机的行人检测方法。采用二维激光雷达对行人腿部进行识别。首先,对二维点云进行滤波,然后进行聚类分割,并对分割后的点簇进行特征提取,最后使用多尺度Adaboost分类器进行人腿检测,判断行人的位置。同时采用RGB-D相机,基于深度模板匹配的方法对人体上半身进行识别。考虑到二维激光雷达检测范围广但检测精度相对较低,而RGB-D相机的检测范围小但精度高,二者能够进行优势互补,本文采用全局最近邻数据关联算法对二者的检测结果进行融合,获得行人位置信息。最后,基于卡尔曼滤波算法对行人的运动状态进行预测,获取行人的运动方向信息和速度大小信息。(2)提出了一种考虑行人运动状态信息的局部路径规划算法。首先,根据获得的行人位置和运动状态信息,计算机器人与行人之间的相对速度,并基于多层代价地图构建了动态行人区域。接着,以动态行人区域为基础,提出了一种行人避让策略并扩展了DWA算法的评价函数。最后,对A*全局路径规划算法的规划点进行处理,仅保留行人区域外的转折点作为DWA算法的局部目标点,对A*算法和改进DWA算法进行融合。(3)构建了一个服务机器人导航系统的实验平台。在仿真和真实环境下对服务机器人导航系统的各模块进行实验。邀请志愿者对服务机器人进行体验并打分,通过分析配对t检验结果可知,本文构建的导航系统,在是否挡住去路、对行人干扰程度和反应速度三项上的得分提高了77%、66%和62%,验证了本文提出的导航系统的有效性。
知识表示与知识表示学习在服务机器人中的应用研究
这是一篇关于知识图谱,知识表示学习,机器学习,生成对抗网络,服务机器人的论文, 主要内容为知识表示与推理一直以来都是人工智能领域的研究热点之一,并在搜索、推荐、问答系统等许多领域得到了广泛的应用,而服务机器人作为人工智能技术集中展示的平台,利用知识表示与推理技术增强其认知能力也是需要研究的问题,因此我们在可佳和佳佳机器人平台上研究并实现了相关应用。同时传统的符号化知识表示方法难以应对规模不断增长的知识图谱系统,因此知识表示学习技术逐渐受到大家关注,本文针对知识表示学习模型中负采样算法的缺陷进行了研究。本文主要工作和创新点如下:家庭服务机器人的认知能力的核心是知识表示与推理。在可佳服务机器人中,知识主要由世界模型和任务规划两个模块进行存储,世界模型主要存储环境信息,由简化的Ontology方式进行存储,这种表示方式表达能力差且难以维护,本文使用基于RDF的知识图谱系统对其进行重构,增强了知识的表达能力同时可以保留环境信息的动态变化。佳佳服务机器人的主要功能是人机交互,本文为其开发了安徽省旅游知识图谱,并基于此实现了旅游行程规划功能。由于知识表示学习模型需要通过正样本与负样本进行判别训练优化知识表示向量,而绝大多数模型中都使用负采样算法构造负样本用于训练,但是在这种方法下生成的负样本置信度通常很低,会使模型快速收敛停止优化。本文提出了一种对抗式负样本生成算法用于负样本生成,通过利用正样本信息由生成器生成负样本与判别器进行对抗训练,文中实现了5种不同目标模型作为判别器为生成器提供回报,最后用判别器中的知识表示向量在三个数据集上进行链接预测与三元组预测实验,实验结果表明本方法可以有效提升知识表示学习模型的训练效果。
基于课程学习和度量的面部表情识别方法研究
这是一篇关于面部表情识别,服务机器人,课程学习,少样本,类内聚合损失的论文, 主要内容为情感理解作为人机交互的基础,在服务机器人领域吸引了越来越广泛的关注。面部表情识别作为情感理解最直接的方式之一,目前仍然存在两个尚未解决的难题:其一,在大量样本训练下的模型泛化性能低,且单一模型对七种基本表情识别能力不一;其二,模型优化所需样本量大,有标签数据较难获取以及图像标注耗时耗力等。针对以上两个问题,本文提出了基于课程学习和度量的面部表情识别方法,对上述两个难点问题进行了深入研究。针对表情识别模型泛化性能低的问题,提出了一种基于课程学习的面部表情识别方法,该方法分为课程设计和课程学习两个阶段。在课程设计阶段,利用Density-Distance非监督聚类方法将七种表情以6:2:2的比例分成复杂程度不同的三个子集;在课程学习阶段,提出Adding和Replace两种方式逐步增加训练集的复杂程度,并通过Replace的方式证明划分子集的准确性与合理性;针对单一模型混淆矩阵欧式距离分析,难以准确识别愤怒、恐惧和悲伤表情的问题,提出自选择机制(Self Selection Mechanism,SSM),对这三种表情进行二次判断。通过实验证明,本文提出的面部表情识别方法分别在开源数据集FER-2013和CK+上取得72.11%和98.18%的最优结果。此外,研究了表情识别服务的云端部署和调用问题,对云服务的准确度和服务时间进行了测试,测试结果表明该云服务能够满足服务机器人实时性要求。针对面部表情模型训练所需样本量过大、有标签数据较难获取以及图像标注耗时耗力的问题,提出了一种Prototype-Relation网络架构,将图像分类问题转化为最近邻问题,对少样本学习的损失函数进行改进,以正则化项的形式类内聚合损失。整个模型优化采用Episode-based的方式,构造7-way K-shot的训练场景。在FER-2013数据集上的实验证明:在数据量分别为100%、80%和60%的情况下,引入类内聚合损失后,模型精度均得到不同程度提升,当正则化项λ=0.3时取得最优识别效果;通过进一步探索Ktest与Ktrain的相对大小关系,证明在Ktest>Ktrain时,仅利用65%的数据量即可达到原先利用100%数据量的识别精度,数据量减少35%,达到少样本学习的目的。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码码头网 ，原文地址：https://m.bishedaima.com/lunwen/46157.html
