基于单目视觉的机器人环境认知与建模方法研究

发布时间：2017-06-20 22:07

  本文关键词：基于单目视觉的机器人环境认知与建模方法研究，由笔耕文化传播整理发布。

【摘要】：随着智能技术的发展,智能服务机器人逐渐进入人们的日常生活,并在各个行业中发挥着越来越重要的作用。机器人想要更好地服务人类,需要提高其环境认知的能力,如对周围场景的理解、对目标物体的识别等。视觉是人类感知外部信息的主要途径,科学研究表明,80%以上的外界信息由视觉获取。视觉传感器,因其普遍体积小,且价格较低廉,已成为机器人系统的主要外传感器。近年来,随着计算机处理能力的不断提高,机器人的视觉环境感知技术也得到快速发展,涌现了较多印象深刻的研究成果。然而,传统的机器人环境感知方法,由于缺乏人类理解的高层语义,导致机器人无法完成更加智能的任务。本文以提高机器人的环境认知能力为目的,针对机器人环境认知过程所涉及的物体与场景识别等问题,研究基于中层特征表达的场景分类方法、物体细粒度识别方法以及运动物体的检测与跟踪方法,在此基础上实现移动机器人室内环境的定位与导航。主要研究工作包括:(1)为了使机器人更好地理解周围环境,提出了一种基于中层特征稀疏编码的场景分类方法。首先,考虑到图像中物体轮廓明显的区域包含更丰富信息的特点,采用自适应阈值的Canny边缘检测算法提取图像的轮廓信息,并根据得到的图像轮廓信息,提出一种基于边缘轮廓信息密度的中层特征提取方法;然后,为了更好地表达提取到的中层特征,提出了一种稀疏编码直方图的特征描述方法;最后,利用K-means对稀疏编码得到的特征进行聚类,并根据纯度、鉴别性指标,选择最具代表的聚类,训练SVM分类器,实现图像的场景分类。在多个场景数据集上的实验结果表明,本文所提出的方法取得了优于其他流行方法的正确识别率。(2)为了使机器人能够更准确地识别场景中的物体,特别是同类的不同物体,提出了一种基于权重系数可变形部件模型的物体细粒度识别方法。首先,利用隐支撑向量机(Latent SVM)训练得到物体的可变形部件模型;然后,提出一种可变形部件模型的权重系数学习方法,学习得到每个部件的权重系数,以表示各个部件在识别过程中的作用大小。相较于传统的可变形部件模型方法,部件的权重系数可以突出同类物体中不同部件对识别的贡献程度。在多个数据集上的实验结果表明,相比于其他的流行方法,本文所提出的方法能够获得更高的正确率识别率。(3)为了使机器人能够区分环境中的静止和运动物体,有效跟踪目标对象,提出了一种基于颜色直方图特征的时空上下文运动物体跟踪方法。首先,计算目标物体的归一化颜色直方图特征;然后,在贝叶斯框架下,建立目标物体及其局部上下文之间的时空关系,实现目标物体的跟踪。实验结果表明,基于颜色直方图特征的时空上下文跟踪方法能够更加有效地处理部分遮挡问题。此外,由于颜色信息计算复杂度低,所以对跟踪算法的实时性影响较小。(4)在上述研究的基础上,面向服务机器人的室内导航,研究室内环境的机器人分层地图构建方法。该分层地图包含拓扑结构层和语义结构层,拓扑结构层分别利用图像检索算法和姿态估计算法提供用于机器人自定位的信息以及用于局部路径规划的信息;语义结构层则分别利用场景分类算法和物体识别算法提供用于机器人目标定位的场景与物体信息;此外,在地图构建过程,利用运动物体的检测与跟踪方法,区分场景中的静止和动态特征,并实现运动目标的跟踪。利用单目视觉的P3-DX机器人在室内环境下进行了实验,验证了方法的有效性和原型系统的鲁棒性。
【关键词】：环境认知 场景分类 物体细粒度识别 运动物体检测与跟踪 单目视觉
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP242
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-23
• 1.1 课题背景以及研究意义11-12
• 1.2 机器视觉的发展现状12-13
• 1.3 场景分类的发展现状13-14
• 1.4 物体识别的发展现状14-16
• 1.4.1 物体粗粒度识别14-15
• 1.4.2 物体细粒度识别15-16
• 1.5 运动物体检测与跟踪的发展现状16-18
• 1.6 基于视觉的移动机器人环境地图构建的发展现状18-20
• 1.7 课题来源20
• 1.8 研究内容以及论文安排20-23
• 第2章 基于中层特征稀疏编码的场景分类23-39
• 2.1 引言23-24
• 2.2 基于边缘轮廓信息密度的中层特征提取方法24-27
• 2.2.1 边缘检测24-26
• 2.2.2 基于边缘轮廓信息密度的中层特征选择26-27
• 2.3 基于稀疏编码直方图的中层特征表达27-31
• 2.3.1 梯度方向直方图特征27-28
• 2.3.2 稀疏编码直方图特征28-31
• 2.4 基于中层特征稀疏编码的场景分类31-33
• 2.5 实验结果与分析33-37
• 2.5.1 MIT Indoor 67 Scene数据集33-34
• 2.5.2 UIUC 8-Sports数据集34-36
• 2.5.3 实验结果分析36-37
• 2.6 本章小结37-39
• 第3章 基于权重系数DPM模型的物体细粒度识别39-53
• 3.1 引言39-40
• 3.2 权重系数DPM模型40-47
• 3.2.1 权重系数DPM模型的提出40-41
• 3.2.2 基于权重系数DPM模型的物体识别41-42
• 3.2.3 隐支持向量机42-44
• 3.2.4 DPM模型的训练44-45
• 3.2.5 权重系数学习45-47
• 3.3 实验结果与分析47-51
• 3.3.1 AirplanOID数据集47-48
• 3.3.2 Oxford-IIIT Pet数据集48
• 3.3.3 实验结果分析48-51
• 3.4 本章小结51-53
• 第4章 基于颜色特征的时空上下文跟踪方法53-65
• 4.1 引言53
• 4.2 基于归一化颜色特征的空间上下文模型53-57
• 4.2.1 归一化颜色特征54
• 4.2.2 颜色空间上下文模型(NC-STC)54-55
• 4.2.3 空间上下文先验模型55-56
• 4.2.4 置信图56
• 4.2.5 空间上下文模型的求解56-57
• 4.3 时间信息的融合57-58
• 4.3.1 模型的更新57
• 4.3.2 尺度参数的更新57-58
• 4.4 实验结果与分析58-63
• 4.4.1 实验的定性分析60-61
• 4.4.2 实验的定量分析61-63
• 4.4.3 实验结果分析63
• 4.5 本章小结63-65
• 第5章 基于单目视觉的机器人环境建模与导航实验65-77
• 5.1 引言65-66
• 5.2 分层地图模型的构建66-70
• 5.2.1 分层地图整体框架66-67
• 5.2.2 拓扑结构层的构建67-69
• 5.2.2.1 拓扑结构层的节点67-69
• 5.2.2.2 拓扑层的边69
• 5.2.3 语义结构层的构建69-70
• 5.3 基于先锋P3-DX机器人平台的实验研究70-73
• 5.3.1 P3-DX机器人平台简介70-71
• 5.3.2 软件系统设计71-73
• 5.3.2.1 需求分析71-72
• 5.3.2.2 软件的主要功能模块72-73
• 5.4 实验结果及分析73-76
• 5.4.1 场景识别及物体识别73-74
• 5.4.2 机器人导航实验74-75
• 5.4.3 运动物体跟踪实验75-76
• 5.5 本章小结76-77
• 结论77-79
• 参考文献79-85
• 攻读硕士学位期间所发表的学术论文85-87
• 致谢87

【相似文献】

中国期刊全文数据库 前10条

1 韩浩;董砚秋;张娟;;基于湖面清扫机器人的图像识别技术研究[J];科技资讯;2006年33期

2 Joseph Ogando;;让机器人放松“肌肉”[J];工业设计;2007年11期

3 ;《机器人技术与应用》全年总目次[J];机器人技术与应用;2010年06期

4 郭健;;机器人在涂装车间的应用[J];科技视界;2012年31期

5 王伟;;日本农用机器人的研究成果与趋势[J];农业机械;1994年11期

6 董雅萍;有视觉的机器人[J];世界制造技术与装备市场;2001年01期

7 梁冰,洪炳昒,曙光;基于视觉与行为模型的机器人目标跟踪[J];通信学报;2004年01期

8 张彦铎,鲁统伟;基于航迹关联的足球机器人视觉系统的改进[J];哈尔滨工业大学学报;2004年07期

9 高峥;拟人机器人视觉系统的软件设计[J];计算机工程与设计;2004年11期

10 靳晔;施釉机器人视觉系统设计[J];河北省科学院学报;2005年03期

中国重要会议论文全文数据库 前9条

1 陈卫东;曹其新;贾建强;罗真;王磊;黄永志;缪寿洪;张卫星;徐化;栾楠;付庄;张彭涛;孙英杰;张飞;张春裕;包贤捷;;面向动态与竞争环境的多机器人团队[A];马斯特杯2003年中国机器人大赛及研讨会论文集[C];2003年

2 张春龙;黄小龙;刘卫东;张妍;李南;张俊雄;李伟;;基于机器视觉的锄草机器人信息获取方法研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

3 张亚静;乔军;刘刚;李民赞;;水果采摘机器人视觉系统的发展现状研究[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

4 雍超;竺长安;杜华生;;基于视觉和超声技术的机器人视觉系统[A];第六届全国计算机应用联合学术会议论文集[C];2002年

5 徐大宏;;基于彩色识别的足球机器人视觉系统研究与实现[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

6 高瑞;刘刚;司永胜;刘兆祥;;苹果采摘机器人视觉系统研究[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

7 袁波;徐科军;盛磊;;基于TMDXEVM642的机器人视觉系统[A];第三届全国信息获取与处理学术会议论文集[C];2005年

8 张汝波;张亮;张子迎;;基于立体视觉的机器人目标识别与跟踪[A];2007年中国智能自动化会议论文集[C];2007年

9 汤修映;张铁中;;黄瓜收获机器人避碰轨迹规划[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集（上册）[C];2008年

中国重要报纸全文数据库 前2条

1 青岛日报、青报网记者 林刚;高端机器人装备年产400台[N];青岛日报;2014年

2 本报记者 徐光;全球增速第一 国内机器人产业快速崛起[N];中国证券报;2012年

中国博士学位论文全文数据库 前10条

1 陈浩耀;面向多机器人编队的基于视觉定位系统研究[D];中国科学技术大学;2009年

2 瞿心昱;基于仿人脑认知计算模型的机器人视觉学习方法[D];浙江工业大学;2012年

3 王勇;棉花收获机器人视觉系统的研究[D];南京农业大学;2007年

4 张正涛;乒乓球机器人视觉测量与控制[D];中国科学院研究生院（自动化研究所）;2010年

5 陈四杰;面向数控机床群的上下料机器人视觉识别定位研究[D];江苏大学;2013年

6 王海青;黄瓜收获机器人视觉系统的研究[D];南京农业大学;2012年

7 张健;220kV/330kV高压带电清扫机器人视觉系统的研究[D];上海交通大学;2009年

8 吕小莲;基于四自由度西红柿采摘机器人视觉系统的研究[D];沈阳农业大学;2008年

9 陈华斌;运载火箭动力系统五通连接器机器人GTAW质量控制系统[D];上海交通大学;2009年

10 俞晓磊;基于光电感知的混沌仿生信息融合研究[D];南京航空航天大学;2011年

中国硕士学位论文全文数据库 前10条

1 张皓然;四足除草机器人的静态步行及稳定性研究[D];昆明理工大学;2015年

2 李晶路;基于人工路标的室内机器人自定位算法研究[D];长安大学;2015年

3 霍美杰;基于动态结构网络的机器人发育机制研究[D];华北理工大学;2015年

4 宗鹏程;基于NAO机器人的视觉目标检测与跟踪[D];华北电力大学;2015年

5 黎嘉文;基于行为的多机器人协同研究与实现[D];扬州大学;2014年

6 王宁扬;面向服务机器人的蜂巢气动网络软件执行器研究[D];中国科学技术大学;2016年

7 严帅;基于GPU加速的机器人人脸检测系统的设计与实现[D];北京交通大学;2016年

8 张永恒;轮足结合清洁机器人轮行控制与路径规划研究[D];燕山大学;2016年

9 陶威;机器人3D视觉传感器设计与实现[D];西南交通大学;2016年

10 杨胜男;仿人头像机器人人工鼻—肺系统及气味识别算法研究[D];哈尔滨工业大学;2016年

  本文关键词：基于单目视觉的机器人环境认知与建模方法研究，由笔耕文化传播整理发布。

，

本文编号：466996