發(fā)布時(shí)間：2017-06-20 22:07

  本文關(guān)鍵詞：基于單目視覺的機(jī)器人環(huán)境認(rèn)知與建模方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著智能技術(shù)的發(fā)展,智能服務(wù)機(jī)器人逐漸進(jìn)入人們的日常生活,并在各個(gè)行業(yè)中發(fā)揮著越來越重要的作用。機(jī)器人想要更好地服務(wù)人類,需要提高其環(huán)境認(rèn)知的能力,如對(duì)周圍場(chǎng)景的理解、對(duì)目標(biāo)物體的識(shí)別等。視覺是人類感知外部信息的主要途徑,科學(xué)研究表明,80%以上的外界信息由視覺獲取。視覺傳感器,因其普遍體積小,且價(jià)格較低廉,已成為機(jī)器人系統(tǒng)的主要外傳感器。近年來,隨著計(jì)算機(jī)處理能力的不斷提高,機(jī)器人的視覺環(huán)境感知技術(shù)也得到快速發(fā)展,涌現(xiàn)了較多印象深刻的研究成果。然而,傳統(tǒng)的機(jī)器人環(huán)境感知方法,由于缺乏人類理解的高層語(yǔ)義,導(dǎo)致機(jī)器人無法完成更加智能的任務(wù)。本文以提高機(jī)器人的環(huán)境認(rèn)知能力為目的,針對(duì)機(jī)器人環(huán)境認(rèn)知過程所涉及的物體與場(chǎng)景識(shí)別等問題,研究基于中層特征表達(dá)的場(chǎng)景分類方法、物體細(xì)粒度識(shí)別方法以及運(yùn)動(dòng)物體的檢測(cè)與跟蹤方法,在此基礎(chǔ)上實(shí)現(xiàn)移動(dòng)機(jī)器人室內(nèi)環(huán)境的定位與導(dǎo)航。主要研究工作包括:(1)為了使機(jī)器人更好地理解周圍環(huán)境,提出了一種基于中層特征稀疏編碼的場(chǎng)景分類方法。首先,考慮到圖像中物體輪廓明顯的區(qū)域包含更豐富信息的特點(diǎn),采用自適應(yīng)閾值的Canny邊緣檢測(cè)算法提取圖像的輪廓信息,并根據(jù)得到的圖像輪廓信息,提出一種基于邊緣輪廓信息密度的中層特征提取方法;然后,為了更好地表達(dá)提取到的中層特征,提出了一種稀疏編碼直方圖的特征描述方法;最后,利用K-means對(duì)稀疏編碼得到的特征進(jìn)行聚類,并根據(jù)純度、鑒別性指標(biāo),選擇最具代表的聚類,訓(xùn)練SVM分類器,實(shí)現(xiàn)圖像的場(chǎng)景分類。在多個(gè)場(chǎng)景數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,本文所提出的方法取得了優(yōu)于其他流行方法的正確識(shí)別率。(2)為了使機(jī)器人能夠更準(zhǔn)確地識(shí)別場(chǎng)景中的物體,特別是同類的不同物體,提出了一種基于權(quán)重系數(shù)可變形部件模型的物體細(xì)粒度識(shí)別方法。首先,利用隱支撐向量機(jī)(Latent SVM)訓(xùn)練得到物體的可變形部件模型;然后,提出一種可變形部件模型的權(quán)重系數(shù)學(xué)習(xí)方法,學(xué)習(xí)得到每個(gè)部件的權(quán)重系數(shù),以表示各個(gè)部件在識(shí)別過程中的作用大小。相較于傳統(tǒng)的可變形部件模型方法,部件的權(quán)重系數(shù)可以突出同類物體中不同部件對(duì)識(shí)別的貢獻(xiàn)程度。在多個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,相比于其他的流行方法,本文所提出的方法能夠獲得更高的正確率識(shí)別率。(3)為了使機(jī)器人能夠區(qū)分環(huán)境中的靜止和運(yùn)動(dòng)物體,有效跟蹤目標(biāo)對(duì)象,提出了一種基于顏色直方圖特征的時(shí)空上下文運(yùn)動(dòng)物體跟蹤方法。首先,計(jì)算目標(biāo)物體的歸一化顏色直方圖特征;然后,在貝葉斯框架下,建立目標(biāo)物體及其局部上下文之間的時(shí)空關(guān)系,實(shí)現(xiàn)目標(biāo)物體的跟蹤。實(shí)驗(yàn)結(jié)果表明,基于顏色直方圖特征的時(shí)空上下文跟蹤方法能夠更加有效地處理部分遮擋問題。此外,由于顏色信息計(jì)算復(fù)雜度低,所以對(duì)跟蹤算法的實(shí)時(shí)性影響較小。(4)在上述研究的基礎(chǔ)上,面向服務(wù)機(jī)器人的室內(nèi)導(dǎo)航,研究室內(nèi)環(huán)境的機(jī)器人分層地圖構(gòu)建方法。該分層地圖包含拓?fù)浣Y(jié)構(gòu)層和語(yǔ)義結(jié)構(gòu)層,拓?fù)浣Y(jié)構(gòu)層分別利用圖像檢索算法和姿態(tài)估計(jì)算法提供用于機(jī)器人自定位的信息以及用于局部路徑規(guī)劃的信息;語(yǔ)義結(jié)構(gòu)層則分別利用場(chǎng)景分類算法和物體識(shí)別算法提供用于機(jī)器人目標(biāo)定位的場(chǎng)景與物體信息;此外,在地圖構(gòu)建過程,利用運(yùn)動(dòng)物體的檢測(cè)與跟蹤方法,區(qū)分場(chǎng)景中的靜止和動(dòng)態(tài)特征,并實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的跟蹤。利用單目視覺的P3-DX機(jī)器人在室內(nèi)環(huán)境下進(jìn)行了實(shí)驗(yàn),驗(yàn)證了方法的有效性和原型系統(tǒng)的魯棒性。
【關(guān)鍵詞】：環(huán)境認(rèn)知 場(chǎng)景分類 物體細(xì)粒度識(shí)別 運(yùn)動(dòng)物體檢測(cè)與跟蹤 單目視覺
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;TP242
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-23
• 1.1 課題背景以及研究意義11-12
• 1.2 機(jī)器視覺的發(fā)展現(xiàn)狀12-13
• 1.3 場(chǎng)景分類的發(fā)展現(xiàn)狀13-14
• 1.4 物體識(shí)別的發(fā)展現(xiàn)狀14-16
• 1.4.1 物體粗粒度識(shí)別14-15
• 1.4.2 物體細(xì)粒度識(shí)別15-16
• 1.5 運(yùn)動(dòng)物體檢測(cè)與跟蹤的發(fā)展現(xiàn)狀16-18
• 1.6 基于視覺的移動(dòng)機(jī)器人環(huán)境地圖構(gòu)建的發(fā)展現(xiàn)狀18-20
• 1.7 課題來源20
• 1.8 研究?jī)?nèi)容以及論文安排20-23
• 第2章 基于中層特征稀疏編碼的場(chǎng)景分類23-39
• 2.1 引言23-24
• 2.2 基于邊緣輪廓信息密度的中層特征提取方法24-27
• 2.2.1 邊緣檢測(cè)24-26
• 2.2.2 基于邊緣輪廓信息密度的中層特征選擇26-27
• 2.3 基于稀疏編碼直方圖的中層特征表達(dá)27-31
• 2.3.1 梯度方向直方圖特征27-28
• 2.3.2 稀疏編碼直方圖特征28-31
• 2.4 基于中層特征稀疏編碼的場(chǎng)景分類31-33
• 2.5 實(shí)驗(yàn)結(jié)果與分析33-37
• 2.5.1 MIT Indoor 67 Scene數(shù)據(jù)集33-34
• 2.5.2 UIUC 8-Sports數(shù)據(jù)集34-36
• 2.5.3 實(shí)驗(yàn)結(jié)果分析36-37
• 2.6 本章小結(jié)37-39
• 第3章 基于權(quán)重系數(shù)DPM模型的物體細(xì)粒度識(shí)別39-53
• 3.1 引言39-40
• 3.2 權(quán)重系數(shù)DPM模型40-47
• 3.2.1 權(quán)重系數(shù)DPM模型的提出40-41
• 3.2.2 基于權(quán)重系數(shù)DPM模型的物體識(shí)別41-42
• 3.2.3 隱支持向量機(jī)42-44
• 3.2.4 DPM模型的訓(xùn)練44-45
• 3.2.5 權(quán)重系數(shù)學(xué)習(xí)45-47
• 3.3 實(shí)驗(yàn)結(jié)果與分析47-51
• 3.3.1 AirplanOID數(shù)據(jù)集47-48
• 3.3.2 Oxford-IIIT Pet數(shù)據(jù)集48
• 3.3.3 實(shí)驗(yàn)結(jié)果分析48-51
• 3.4 本章小結(jié)51-53
• 第4章 基于顏色特征的時(shí)空上下文跟蹤方法53-65
• 4.1 引言53
• 4.2 基于歸一化顏色特征的空間上下文模型53-57
• 4.2.1 歸一化顏色特征54
• 4.2.2 顏色空間上下文模型(NC-STC)54-55
• 4.2.3 空間上下文先驗(yàn)?zāi)Ｐ?/span>55-56
• 4.2.4 置信圖56
• 4.2.5 空間上下文模型的求解56-57
• 4.3 時(shí)間信息的融合57-58
• 4.3.1 模型的更新57
• 4.3.2 尺度參數(shù)的更新57-58
• 4.4 實(shí)驗(yàn)結(jié)果與分析58-63
• 4.4.1 實(shí)驗(yàn)的定性分析60-61
• 4.4.2 實(shí)驗(yàn)的定量分析61-63
• 4.4.3 實(shí)驗(yàn)結(jié)果分析63
• 4.5 本章小結(jié)63-65
• 第5章 基于單目視覺的機(jī)器人環(huán)境建模與導(dǎo)航實(shí)驗(yàn)65-77
• 5.1 引言65-66
• 5.2 分層地圖模型的構(gòu)建66-70
• 5.2.1 分層地圖整體框架66-67
• 5.2.2 拓?fù)浣Y(jié)構(gòu)層的構(gòu)建67-69
• 5.2.2.1 拓?fù)浣Y(jié)構(gòu)層的節(jié)點(diǎn)67-69
• 5.2.2.2 拓?fù)鋵拥倪?/span>69
• 5.2.3 語(yǔ)義結(jié)構(gòu)層的構(gòu)建69-70
• 5.3 基于先鋒P3-DX機(jī)器人平臺(tái)的實(shí)驗(yàn)研究70-73
• 5.3.1 P3-DX機(jī)器人平臺(tái)簡(jiǎn)介70-71
• 5.3.2 軟件系統(tǒng)設(shè)計(jì)71-73
• 5.3.2.1 需求分析71-72
• 5.3.2.2 軟件的主要功能模塊72-73
• 5.4 實(shí)驗(yàn)結(jié)果及分析73-76
• 5.4.1 場(chǎng)景識(shí)別及物體識(shí)別73-74
• 5.4.2 機(jī)器人導(dǎo)航實(shí)驗(yàn)74-75
• 5.4.3 運(yùn)動(dòng)物體跟蹤實(shí)驗(yàn)75-76
• 5.5 本章小結(jié)76-77
• 結(jié)論77-79
• 參考文獻(xiàn)79-85
• 攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文85-87
• 致謝87

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 韓浩;董硯秋;張娟;;基于湖面清掃機(jī)器人的圖像識(shí)別技術(shù)研究[J];科技資訊;2006年33期

2 Joseph Ogando;;讓機(jī)器人放松“肌肉”[J];工業(yè)設(shè)計(jì);2007年11期

3 ;《機(jī)器人技術(shù)與應(yīng)用》全年總目次[J];機(jī)器人技術(shù)與應(yīng)用;2010年06期

4 郭健;;機(jī)器人在涂裝車間的應(yīng)用[J];科技視界;2012年31期

5 王偉;;日本農(nóng)用機(jī)器人的研究成果與趨勢(shì)[J];農(nóng)業(yè)機(jī)械;1994年11期

6 董雅萍;有視覺的機(jī)器人[J];世界制造技術(shù)與裝備市場(chǎng);2001年01期

7 梁冰,洪炳昒,曙光;基于視覺與行為模型的機(jī)器人目標(biāo)跟蹤[J];通信學(xué)報(bào);2004年01期

8 張彥鐸,魯統(tǒng)偉;基于航跡關(guān)聯(lián)的足球機(jī)器人視覺系統(tǒng)的改進(jìn)[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2004年07期

9 高崢;擬人機(jī)器人視覺系統(tǒng)的軟件設(shè)計(jì)[J];計(jì)算機(jī)工程與設(shè)計(jì);2004年11期

10 靳曄;施釉機(jī)器人視覺系統(tǒng)設(shè)計(jì)[J];河北省科學(xué)院學(xué)報(bào);2005年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前9條

1 陳衛(wèi)東;曹其新;賈建強(qiáng);羅真;王磊;黃永志;繆壽洪;張衛(wèi)星;徐化;欒楠;付莊;張彭濤;孫英杰;張飛;張春裕;包賢捷;;面向動(dòng)態(tài)與競(jìng)爭(zhēng)環(huán)境的多機(jī)器人團(tuán)隊(duì)[A];馬斯特杯2003年中國(guó)機(jī)器人大賽及研討會(huì)論文集[C];2003年

2 張春龍;黃小龍;劉衛(wèi)東;張妍;李南;張俊雄;李偉;;基于機(jī)器視覺的鋤草機(jī)器人信息獲取方法研究[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

3 張亞靜;喬軍;劉剛;李民贊;;水果采摘機(jī)器人視覺系統(tǒng)的發(fā)展現(xiàn)狀研究[A];2007年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2007年

4 雍超;竺長(zhǎng)安;杜華生;;基于視覺和超聲技術(shù)的機(jī)器人視覺系統(tǒng)[A];第六屆全國(guó)計(jì)算機(jī)應(yīng)用聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

5 徐大宏;;基于彩色識(shí)別的足球機(jī)器人視覺系統(tǒng)研究與實(shí)現(xiàn)[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

6 高瑞;劉剛;司永勝;劉兆祥;;蘋果采摘機(jī)器人視覺系統(tǒng)研究[A];紀(jì)念中國(guó)農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（CSAE 2009）論文集[C];2009年

7 袁波;徐科軍;盛磊;;基于TMDXEVM642的機(jī)器人視覺系統(tǒng)[A];第三屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

8 張汝波;張亮;張子迎;;基于立體視覺的機(jī)器人目標(biāo)識(shí)別與跟蹤[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

9 湯修映;張鐵中;;黃瓜收獲機(jī)器人避碰軌跡規(guī)劃[A];走中國(guó)特色農(nóng)業(yè)機(jī)械化道路——中國(guó)農(nóng)業(yè)機(jī)械學(xué)會(huì)2008年學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2008年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前2條

1 青島日?qǐng)?bào)、青報(bào)網(wǎng)記者 林剛;高端機(jī)器人裝備年產(chǎn)400臺(tái)[N];青島日?qǐng)?bào);2014年

2 本報(bào)記者 徐光;全球增速第一 國(guó)內(nèi)機(jī)器人產(chǎn)業(yè)快速崛起[N];中國(guó)證券報(bào);2012年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 陳浩耀;面向多機(jī)器人編隊(duì)的基于視覺定位系統(tǒng)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

2 瞿心昱;基于仿人腦認(rèn)知計(jì)算模型的機(jī)器人視覺學(xué)習(xí)方法[D];浙江工業(yè)大學(xué);2012年

3 王勇;棉花收獲機(jī)器人視覺系統(tǒng)的研究[D];南京農(nóng)業(yè)大學(xué);2007年

4 張正濤;乒乓球機(jī)器人視覺測(cè)量與控制[D];中國(guó)科學(xué)院研究生院（自動(dòng)化研究所）;2010年

5 陳四杰;面向數(shù)控機(jī)床群的上下料機(jī)器人視覺識(shí)別定位研究[D];江蘇大學(xué);2013年

6 王海青;黃瓜收獲機(jī)器人視覺系統(tǒng)的研究[D];南京農(nóng)業(yè)大學(xué);2012年

7 張健;220kV/330kV高壓帶電清掃機(jī)器人視覺系統(tǒng)的研究[D];上海交通大學(xué);2009年

8 呂小蓮;基于四自由度西紅柿采摘機(jī)器人視覺系統(tǒng)的研究[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2008年

9 陳華斌;運(yùn)載火箭動(dòng)力系統(tǒng)五通連接器機(jī)器人GTAW質(zhì)量控制系統(tǒng)[D];上海交通大學(xué);2009年

10 俞曉磊;基于光電感知的混沌仿生信息融合研究[D];南京航空航天大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張皓然;四足除草機(jī)器人的靜態(tài)步行及穩(wěn)定性研究[D];昆明理工大學(xué);2015年

2 李晶路;基于人工路標(biāo)的室內(nèi)機(jī)器人自定位算法研究[D];長(zhǎng)安大學(xué);2015年

3 霍美杰;基于動(dòng)態(tài)結(jié)構(gòu)網(wǎng)絡(luò)的機(jī)器人發(fā)育機(jī)制研究[D];華北理工大學(xué);2015年

4 宗鵬程;基于NAO機(jī)器人的視覺目標(biāo)檢測(cè)與跟蹤[D];華北電力大學(xué);2015年

5 黎嘉文;基于行為的多機(jī)器人協(xié)同研究與實(shí)現(xiàn)[D];揚(yáng)州大學(xué);2014年

6 王寧揚(yáng);面向服務(wù)機(jī)器人的蜂巢氣動(dòng)網(wǎng)絡(luò)軟件執(zhí)行器研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

7 嚴(yán)帥;基于GPU加速的機(jī)器人人臉檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京交通大學(xué);2016年

8 張永恒;輪足結(jié)合清潔機(jī)器人輪行控制與路徑規(guī)劃研究[D];燕山大學(xué);2016年

9 陶威;機(jī)器人3D視覺傳感器設(shè)計(jì)與實(shí)現(xiàn)[D];西南交通大學(xué);2016年

10 楊勝男;仿人頭像機(jī)器人人工鼻—肺系統(tǒng)及氣味識(shí)別算法研究[D];哈爾濱工業(yè)大學(xué);2016年

  本文關(guān)鍵詞：基于單目視覺的機(jī)器人環(huán)境認(rèn)知與建模方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：466996