隨著科學技術(shù)的發(fā)展和生活水平的提高,機器人逐漸進入到人們的日常生活。但是目前的家居服務機器人通常是基于同時定位地圖構(gòu)建（Simultaneous Localization and Mapping,SLAM）技術(shù)來構(gòu)建包含幾何信息的稀疏路標地圖,僅僅能夠用于執(zhí)行導航定位任務。這種情況下,機器人無法理解環(huán)境中物品高層語義信息,就難以執(zhí)行人所下達的包含高層語義信息的命令。在這種需求下,將SLAM和物體檢測識別技術(shù)結(jié)合起來,構(gòu)建包含物體語義信息的語義地圖成為了一個行之有效的解決方案。本文針對室內(nèi)語義地圖的構(gòu)建,首先研究了物體級的語義地圖構(gòu)建。基于YOLACT（You Only Look At CoefficienTs）網(wǎng)絡對圖像進行實例分割,并提出了一種結(jié)合深度信息的自適應區(qū)域增長算法對實例分割進行優(yōu)化,得到更加準確的三維實例分割,實現(xiàn)了單幀圖像的語義標注。針對地圖的物體實例,采用YOLACT提取的語義特征和LAB空間的顏色特征對物體實例外觀進行特征編碼,通過結(jié)合外觀一致性和空間一致性的方法對地圖中的物體進行實例匹配,實現(xiàn)了物體庫中的物體構(gòu)建和物體更新。最后基于八叉樹數(shù)據(jù)結(jié)構(gòu),構(gòu)建了包含物體實... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 語義地圖構(gòu)建技術(shù)研究現(xiàn)狀
        1.2.1 機器人SLAM技術(shù)
        1.2.2 物體檢測與識別技術(shù)
        1.2.3 語義地圖構(gòu)建技術(shù)
    1.3 研究內(nèi)容和論文結(jié)構(gòu)
2 語義地圖的系統(tǒng)設(shè)計
    2.1 視覺SLAM算法基礎(chǔ)和框架
        2.1.1 視覺SLAM的算法基礎(chǔ)和分類
        2.1.2 ORB-SLAM2 算法框架分析
    2.2 語義地圖構(gòu)建框架與流程
    2.3 本章小結(jié)
3 基于深度學習的物體語義標注
    3.1 卷積神經(jīng)網(wǎng)絡原理
    3.2 基于實例分割算法的物體語義標注
        3.2.1 YOLACT網(wǎng)絡
        3.2.2 基于YOLACT的物體語義標注
    3.3 結(jié)合深度信息的三維目標語義標注算法設(shè)計
        3.3.1 相機成像原理
        3.3.2 結(jié)合深度信息的三維目標分割優(yōu)化
        3.3.3 三維目標分割效果比較
    3.4 本章小結(jié)
4 物體級的語義地圖構(gòu)建
    4.1 物體實例的外觀特征編碼
    4.2 物體實例匹配和物體更新
        4.2.1 結(jié)合外觀一致性和空間一致性的物體匹配
        4.2.2 物體庫的構(gòu)建與物體更新
    4.3 基于八叉樹的語義地圖構(gòu)建
    4.4 語義地圖構(gòu)建實驗驗證
        4.4.1 實驗平臺介紹
        4.4.2 公開數(shù)據(jù)集驗證
        4.4.3 真實場景實驗
    4.5 本章小結(jié)
5 面向動態(tài)環(huán)境的語義地圖構(gòu)建
    5.1 視頻中的動態(tài)目標檢測
        5.1.1 光流介紹
        5.1.2 基于卷積神經(jīng)網(wǎng)絡的光流場預測算法
        5.1.3 基于光流和先驗知識的動態(tài)物體檢測
    5.2 基于動態(tài)目標檢測的動態(tài)場景處理
        5.2.1 動態(tài)特征點的剔除
        5.2.2 語義地圖中動態(tài)目標的處理
    5.3 動態(tài)環(huán)境下語義地圖構(gòu)建實驗驗證
        5.3.1 SLAM系統(tǒng)性能評估
        5.3.2 dynamic SLAM定位精度實驗
        5.3.3 動態(tài)場景下的語義地圖構(gòu)建實驗
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 本文的主要研究成果
    6.2 下一步的研究方向
參考文獻
攻讀碩士學位期間的主要成果


【參考文獻】：
期刊論文
[1]簡析機器人技術(shù)在智能家居行業(yè)中的應用[J]. 劉敏,黃劍,李思源,周曉杰.  南方農(nóng)機. 2019(21)
[2]基于視覺SLAM的物體實例識別與語義地圖構(gòu)建[J]. 吳皓,遲金鑫,田國會.  華中科技大學學報(自然科學版). 2019(09)
[3]養(yǎng)老服務機器人的技術(shù)發(fā)展趨勢[J]. 劉珊,蘭智高.  計算機測量與控制. 2019(07)
[4]目標檢測算法研究綜述[J]. 方路平,何杭江,周國民.  計算機工程與應用. 2018(13)
[5]基于深度學習的視覺SLAM綜述[J]. 趙洋,劉國良,田國會,羅勇,王梓任,張威,李軍偉.  機器人. 2017(06)
[6]中國養(yǎng)老服務機器人的市場需求與產(chǎn)業(yè)發(fā)展[J]. 張思鋒,張澤滈.  西安交通大學學報(社會科學版). 2017(05)
[7]基于云的語義庫設(shè)計及機器人語義地圖構(gòu)建[J]. 于金山,吳皓,田國會,薛英花,趙貴祥.  機器人. 2016(04)
[8]基于光流法的運動目標檢測與跟蹤算法[J]. 肖軍,朱世鵬,黃杭,謝亞男.  東北大學學報(自然科學版). 2016(06)
[9]基于單目視覺的同時定位與地圖構(gòu)建方法綜述[J]. 劉浩敏,章國鋒,鮑虎軍.  計算機輔助設(shè)計與圖形學學報. 2016(06)
[10]基于優(yōu)化RBPF的同時定位與地圖構(gòu)建[J]. 羅元,蘇琴,張毅,鄭瀟峰.  華中科技大學學報(自然科學版). 2016(05)

碩士論文
[1]基于物體語義信息的室內(nèi)視覺SLAM研究[D]. 張威.山東大學 2019
[2]基于幀間物體跟蹤的機器人語義SLAM研究[D]. 遲金鑫.山東大學 2019
[3]基于激光雷達的室內(nèi)移動機器人SLAM與導航技術(shù)研究[D]. 杜哲夫.湖北工業(yè)大學 2019
[4]基于激光雷達的二維即時定位與制圖技術(shù)研究[D]. 李昊.東南大學 2018
[5]基于雅可比矩陣的工業(yè)機器人手眼協(xié)調(diào)系統(tǒng)的研究[D]. 秦偉洋.長春工業(yè)大學 2018
[6]基于深度學習的語義同步定位與地圖構(gòu)建[D]. 趙洋.山東大學 2018
[7]基于超體素區(qū)域增長的點云分割算法研究[D]. 姜媛媛.西安電子科技大學 2017
[8]背光式顯示設(shè)備的顯示優(yōu)化技術(shù)[D]. 常文靜.西安電子科技大學 2017
[9]基于貝葉斯的多機器人SLAM方法研究[D]. 明釗光.寧波大學 2014
[10]一種改進的小區(qū)域增長算法分割3D肝臟MDCT醫(yī)學圖像[D]. 任觀就.暨南大學 2003



本文編號：3200189