當今社會隨著人工智能的發(fā)展越來越智能化,各種智慧化建筑層出不窮。同時,人們對服務于建筑室內(nèi)的智能型服務機器人的需求也不斷提升。目前大多數(shù)室內(nèi)機器人的導航工作都是根據(jù)特定工作環(huán)境設計的,而且導航過程中幾乎沒有人機交互性。本文以完成室內(nèi)配送、助理等服務性工作的智能機器人為研究對象,針對目前室內(nèi)移動機器人在導航過程中對工作環(huán)境的依賴性問題以及導航過程中的智慧化問題,提出了一種更具泛化性和智能性的室內(nèi)導航策略。首先針對目前室內(nèi)機器人導航對室內(nèi)環(huán)境特殊標識的依賴性問題,本文將深度學習技術(shù)與地圖構(gòu)建技術(shù)相結(jié)合,提出一種改進的BiSeNet語義分割神經(jīng)網(wǎng)絡模型,結(jié)合全局地圖的語義分割結(jié)果構(gòu)建地圖模型。實驗證明,改進的語義分割模型通過對室內(nèi)場景的學習,不僅可以用于識別分割多種室內(nèi)場景,還可以對各種目標物體達到一個較好的分割效果,分割精度達到了92.2%,有利于地圖建模,讓機器人導航不再只依賴于地圖環(huán)境標識。然后針對機器人導航任務的智能性問題,本文在得到了室內(nèi)全局語義圖像的基礎上,首先提出了一種基于窗口操作的柵格語義地圖構(gòu)建方法,將語義信息整合到了柵格地圖中,然后在導航算法中加入語義對應關(guān)系,通過語義信... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

FCN結(jié)構(gòu)示意圖

燕山大學工學碩士學位論文-16-可以使最終的分割結(jié)果在空間精度上有所提高。經(jīng)過改進后的FCN精度雖然有所提高，但是網(wǎng)絡模型對圖像的處理速度太慢，而且對小尺度的目標物體仍然達不到較好的分割效果。b)基于優(yōu)化卷積結(jié)構(gòu)的語義分割方法在傳統(tǒng)的CNN模型中，卷積加池化操作可以使得到的特征圖感受野變大，并且將圖像中背景信息進行匯合，但是也會降低特征圖的分辨率，可能會損失掉部分像素的空間位置信息�；趦�(yōu)化卷積結(jié)構(gòu)的分割方法就是針對這些問題，使用經(jīng)過優(yōu)化的卷積操作來代替?zhèn)鹘y(tǒng)卷積，改善網(wǎng)絡模型，提高性能。帶孔卷積是經(jīng)常被使用的一種卷積優(yōu)化方式之一[46]，帶孔卷積結(jié)構(gòu)示意圖如圖2-5所示，它在傳統(tǒng)的卷積操作中引入一個采樣率，使傳統(tǒng)的卷積核不在是連續(xù)性的，而是形成帶有空洞、間隔的卷積核。帶孔卷積可以使特征圖的感受野快速增大，并且分辨率不會下降、卷積操作計算量也不會增加。帶孔卷積的主要優(yōu)點是不但能提取到圖像的多尺度局部特征信息，還能保留大多數(shù)像素的空間位置信息。圖2-5帶孔卷積示意圖，三個卷積核采樣率分別是1,2,4基于優(yōu)化卷積結(jié)構(gòu)的分割方法一般用于增大感受野，同時保證特征圖的分辨率不會下降過多，并且保留像素的空間位置信息。但是改進后的卷積操作會破壞局部像素特征信息的連續(xù)性，對目標物體未知形態(tài)的識別能力也較弱。c)基于編碼--解碼的語義分割方法編碼—解碼器的模型結(jié)構(gòu)主要是用來優(yōu)化卷積、池化操作所造成的特征圖的分辨率持續(xù)降低、一些像素的空間特征不斷損失[47]。此法一般使用兩邊對稱的模型構(gòu)架，對圖像的語義信息進行理解、分析。編碼—解碼器結(jié)構(gòu)的本質(zhì)就是首先運用深度學習中的卷積、池化操作對圖像的各種特征信息進行提取與理解，這個過程被稱

第 2 章 基于視覺的室內(nèi)導航方法 為編碼器編碼信息。然后利用反卷積和上采樣操作對提取的特征信息進行解析，對輸入圖像的維度大小和各像素的空間位置信息進行還原，這個過程被稱為解碼器解碼信息。

【參考文獻】：
期刊論文
[1]國際機器人聯(lián)合會（IFR）年度報告——《全球機器人2019》首次在中國發(fā)布[J].   智能機器人. 2019(05)
[2]家用掃地機器人全區(qū)域路徑規(guī)劃與避障方法研究[J]. 商迎美,張曉玲.  長春工程學院學報(自然科學版). 2019(03)
[3]圖像分割方法綜述[J]. 王秋萍,張志祥,朱旭芳.  信息記錄材料. 2019(07)
[4]室內(nèi)場景下實時地三維語義地圖構(gòu)建[J]. 單吉超,李秀智,張祥銀,賈松敏.  儀器儀表學報. 2019(05)
[5]基于深度學習的圖像語義分割方法綜述[J]. 田萱,王亮,丁琪.  軟件學報. 2019(02)
[6]啟發(fā)式方法在機器人路徑規(guī)劃優(yōu)化中的應用綜述[J]. 盛亮,包磊,吳鵬飛.  電光與控制. 2018(09)
[7]基于圖像匹配的移動機器人導航研究[J]. 朱奇光,王梓巍,陳穎.  計量學報. 2017(05)
[8]關(guān)于機器人技術(shù)在機械加工中的應用[J]. 張演.  科學家. 2017(14)
[9]基于計算機視覺的室內(nèi)自主移動機器人導航綜述[J]. 楊春媚,王峰,晉博,汪進,梅琪,邱文添.  電腦知識與技術(shù). 2017(15)
[10]機器人產(chǎn)業(yè)迎黃金十年[J]. 羅曉慶.  中國西部. 2014(34)

博士論文
[1]移動機器人的同時定位和地圖構(gòu)建[D]. 徐則中.浙江大學 2004

碩士論文
[1]基于視覺SLAM的機器人室內(nèi)建圖與導航算法研究[D]. 馮經(jīng)倫.山東大學 2018
[2]移動機器人導航關(guān)鍵技術(shù)的研究與實現(xiàn)[D]. 李林軍.電子科技大學 2017



本文編號：3094055