基于可调场景语义标注范围的家庭室内语义地图构建

针对家庭室内环境语义地图建图速度较慢和在门口场景语义标注易出现错误等问题,提出一种基于可调场景语义标注范围的家庭室内语义地图构建方法。首先根据YOLOv5s识别的物体大小赋予相应的场景置信度,基于该场景置信度设置阈值使得语义标注范围限制在机器人当前所在区域,确保场景切换时语义标注范围不会立即改变。然后基于人工势场虚拟力“引力斥力”原理,实现语义标注范围的扩大或缩小。最后结合阈值和动态语义标注范围,避免在门口场景中出现语义标注错误。实验结果表明:与Places205-VGG16神经网络建立家庭室内语义地图相比,所提方法平均效率和平均精准率分别提升了11.0%和7.8%,在家庭室内环境中具有一定的优越性。

甲骨文介词“自”的语义地图模型研究

运用语义地图模型研究方法,结合语义地图连续性假说与语义地图模型,首先搭建出甲骨文介词“自”的多功能语义概念底图,并进一步绘制出甲骨文介词“自”的语义图,通过甲骨文语料库实印证,探索出介词“自”时间范畴、方所范畴与当事范畴间语义节点联系,以更直观可视化揭示出“自”蕴含性关联,有助于进一步探索甲骨文介词的深层结构和机制。

基于改进SLAM框架的动态场景三维语义地图构建方法研究

三维语义信息是智能机器理解世界的重要因素,是人工智能的重要一环。提出一种基于ORB-SLAM2改进的SLAM框架,可以更好地适应于动态复杂环境下低纹理和感知混叠等问题的处理。结合用于语义分割的卷积神经网络提供的语义信息,通过贝叶斯方法进行语义关联,实现在Octomap中的优化定位与更新,构建一致的三维语义地图。基于公开数据集的测试结果表明,该方法在复杂环境下,整体建图精度和速度相较于传统视觉SLAM算法有一定提升,而且降低光照变换产生的影响,具有较高的应用价值。

现代汉语副词“净”语义地图研究

副词“净”是一个多功能语法词,能够表示总括性、排他性和高频惯常的语义。立足于语义结构分析法,以现代汉语副词“净”为研究对象,对其功能进行描写分析,并着眼于汉语方言中多功能语法词“净”的语义关联,据此建立概念空间并勾画普通话、湘方言与客家方言的语义地图,从中归纳所蕴涵共性。通过对比,发现“净”在现代汉语普通话中的功能最为丰富。此外,从语言分化的角度及本体论的角度出发,论证了“净”是由总括性衍生出排他性的功能。

罗曼语族颜色词“黑”“白”的语义地图

1969年,Brent Berlin和Paul Kay考察了98种语言,列出了11种基本颜色词,包括白、黑、红、绿、黄等。他们认为这些基本颜色词是按照进化过程依次出现在色彩语码系统中的,而每种语言中必定存在表示白和黑的词。国内大部分学者在从事与黑、白相关的颜色词研究时,常通过对比探索汉语和其他语言中的“黑”“白”在文化内涵方面的异同。然而,此类研究的对照样本一般只有一种语言,考察范围相对狭窄,部分结论缺乏足够的语料支持。

一种顾及局部结构的语义地图配准方法

基于语义特征的环境地图构建与匹配定位具有较强的环境适应性,是自动驾驶和机器人领域中的研究热点,而语义地图配准是其中的一项关键环节。现有的大多数配准方法仅考虑语义特征间简单的数量和层次分布关系,在城市道路等语义特征高度重复的环境下容易配准失败,导致地图误差变大和定位精度下降等问题。基于图论中团的思想,提出了一种顾及局部结构的语义地图配准方法。首先,基于差异性更加显著的语义特征间相对距离和方位关系,构建包含局部结构信息的属性图,并建立属性图间的相似度计算准则。其次,设计粗-精级联的语义地图配准方法,粗配准阶段通过在属性图匹配时保持局部结构以获取稳健的初值,进而利用语义特征点云进行精配准,以提高地图配准的成功率。基于KAIST Urban数据集完成测试验证,与NGraph和SHD等经典算法相比,所提算法的配准成功率分别提高了约93.5%和74.0%,即使在语义特征重复的高相似度场景下,不依赖先验位姿也能完成鲁棒和精确的地图配准。

从“kho33”和“颗”的语义地图看白语量词认知范畴类型特征

本文利用语言类型学的研究方法、借助语义地图这一语言类型学特有研究工具,以白语剑川方言量词“kho33”和现代汉语量词“颗”作为对比分析的切入点,旨在探寻白语量词的本体特征及语义多功能现象,对白语量词的认知范畴进行考察。二者的原型成员都是小形圆状物,但是在名词的选择上差异很大。尽管如此,二者还是存在一些相同的范畴扩展途径和促动因素。其相同特征反映了人类语言的共通性,差异性则体现了人类语言的多样性。从范畴化的角度对两种语言相对应的要素进行对比,可以在表面化对比的基础上深入探究人类语言的共性机制,同时也为之后了解两种语言之下深藏的思维、文化差异研究提供一定的依据。

基于自适应语义地图的电力巡检路径规划算法

为了保证电力系统安全、稳定地运行,该研究设计了一种基于自适应语义地图的电力巡检路径规划算法。首先,通过ORB-SLAM2视觉框架获取电力巡检图像,在提取图像的ORB特征后,利用YOLACT网络分割图像,得到实例掩码;其次,利用深度信息与自适应区域增长算法,完成语义标注;再次,基于栅格及八叉树结构构建电力巡检环境自适应语义地图;最后,以上述构建的语义地图为环境基础,将分流蚁模拟退火算法与混沌扰动初始化算法相结合,搜寻出一条最佳的巡检路径。实验结果表明:该算法构建的自适应语义地图可准确描述电力巡检环境,且电力巡检路径短,路径规划效率高。

隆回湘语双宾构式的语义地图

文章立足于经典的构式语法理论,承认句式多义性,通过对隆回湘语方言双宾构式的事实进行分析,在MHC(2007)双及物构式底图的基础上勾画了隆回湘语双宾构式的语义地图,并对MHC(2007)左上端进行了增补,证明了隆回湘语双宾构式的特异之处是典型的给予义动词不能进入双宾构式;另外,隆回湘语含信息传递类动词的双宾构式与表达“受损来源-客体”和“外位领有者-受事”的双宾构式在语义地图上构成了断链。这种断链普遍存在于一大批“客体-接受者”不用双宾式负载的南方话里,并非隆回湘语独有。

湖北赤壁方言双宾构式的语义地图研究

立足于经典的构式语法理论,承认句式多义性,以双及物结构中的双宾构式为研究对象,通过对湖北赤壁方言双宾构式的事实进行分析,在MHC(2007)双及物构式地图的基础上勾画了湖北赤壁方言双宾构式的语义地图,并与普通话进行了比较。我们发现,予夺不明义动词,如“借、租、赊、换、支”等,它们既包含着“给予”义,也包含着“取得”义。在现代汉语普通话中,双宾句的语序是间接宾语在前,直接宾语在后,即只有双宾A式,当上述这类既包含“给予”义、又包含“取得”义动词进入普通话双宾句时,句子就会产生歧义。在赤壁方言中,这几个动词构成双宾A式和双宾B式两种双宾句。构成双宾A式时,表示取得义;构成双宾B式时,表示给予义,两种双宾句式的语义都属于客体接受者结构,因此不会产生歧义。此外,本文通过考察还发现了另外两种普通话双宾构式和湖北赤壁方言双宾构式的不同,并作了语言学意义上的解释。

基于目标检测的单目视觉半稠密语义地图构建

传统的视觉同步定位与地图构建(simultaneous localization and map construction, SLAM)系统在机器人定位和制图工作中取得了显著的成功,但存在着缺乏场景信息、地图过于稀疏、单目相机初始化困难等亟待解决的问题。提出了MNS-SLAM(monocular-semantic SLAM),将目标检测算法与单目视觉SLAM技术相结合,进而构建有助于环境理解的半稠密语义地图。首先,通过目标检测网络YOLOv4检测对象获取边界框和类别信息,通过消失点算法和二次曲面恢复算法由2D目标检测恢复出3D长方体及二次曲面,实现3D物体的位姿初始化。同时,引入了目标间相对位姿不变性的语义约束,构造了语义损失函数,将其添加到BA(bundle adjustment)优化中,最后通过增量式3D线段提取,构建带有物体语义信息的半稠密地图。文中方法在TUM公开数据集和真实场景中进行试验,不仅构建了半稠密地图,同时添加了语义信息,为后端的优化提供了新的约束,相机的绝对和相对位姿误差表现出优于单目ORB-SLAM2的性能,有助于搭载单目相机的移动机器人感知和理解环境,执行更复杂的任务。

无人船生成三维语义地图方法研究

针对无人船在航行时需感知周围环境的需求,重点研究无人船生成三维语义地图的方法。论文结合ORB-SLAM算法和Mask R-CNN算法来构建三维语义地图,并针对Mask R-CNN算法对物体边界识别精确性不高的问题,增加边界细化模块来提升其识别精度。最后通过仿真对该方法进行了初步验证。

从语义地图看湖南及其周边方言“咖”的语法化

在湖南及其周边方言中,存在一个音义相同或相近、各地写法不同的词,本文写作“咖”。其功能主要有:①动相补语;②结果兼界限标记;③界限标记;④界限标记兼表完成;⑤表完成;⑥表经历。“咖”的本字是“过”,但由于语法格式和所处的助词系统不同,各个方言“咖”的虚化程不同。利用语义地图连续性假设发现,湖南及其周边方言“咖”的虚化路径有断链现象,断链的原因一是语言接触;二是临界环境;三是语法格式的制约以及助词系统的许可。“咖”虚化过程中的断链现象有助于进一步完善和发展语义地图理论。

一种基于RGB-D相机的语义地图构建方法

在三维地图中添加环境语义信息,可以有助于移动机器人更快更精确地进行初始及移动状态时的定位定向。论文提出一种基于RGB-D相机的三维语义地图构建方法,首先,使用语义分割深度学习模型提取RGB图像中的语义信息,通过相邻的多帧图像数据关联去除误识别数据。然后与深度图像进行数据关联生成带有语义标签的点云数据,最后通过增量融合的方法构建周围环境的三维语义地图。基于ScanNet(v2)数据集的对比实验,论文方法可以有效地提高数据关联准确率,为基于3D地图导航提供具有丰富语义信息的导引地图。

基于深度学习的语义地图构建

同步定位与建图(SLAM)是移动机器人在复杂环境下进行环境感知的重要手段。针对传统的SLAM算法缺乏语义信息的问题,文章使用基于深度学习的语义分割算法,利用轻量化的DeepLabV3+模型在动态环境下进行实时语义分割,得到二维语义标签。通过VINS-Mono算法推测相机位姿,同时结合深度数据、语义信息生成三维语义点云,并将点云转化成八叉树地图进行表示。实验结果表明,文章提出的算法可以满足实时情况下构建语义地图的要求。

副词“到底”的偏误语义地图模型研究

本文在语义地图连续性假说及语义地图模型理论框架下,提出“语义偏误概念相邻性”假说以及“偏误语义地图”理论模型。在此基础上,结合汉语二语学习者的习得情况分析,通过中介语和母语语料库语料对比,提出“底部空间”“位移”“种属”“结果”“信疑情态”等语义范畴在二语者“到底”概念空间中的分布与关联,据此绘制出“到底”的偏误语义地图,以解释习得中语义偏误之所以出现的深层概念原因。

语义地图模型在条件句范畴中的运用初探

依据语义地图理论对汉语条件句(在此称之为"条件关系范畴")的语义进行共时描画,给出三个地图模型,这些模型是汉语条件句的语义关系缩影。通过分析假言范畴、选言范畴、负命题范畴及模态条件范畴的整体语义,归纳出核心意义及非核心区域的意义。借鉴语义地图理论的操作程序,构拟汉语条件关系范畴的语义关系网络图,用以揭示该范畴的概念结构及相关意义间的心理表征。

从语义地图模型看新加坡华语的助动词“会”

本文在潘秋平(2018)的基础上,立足于情态概念空间,重新分析文献中所记载的新加坡华语的"会"的用例,并通过语法调查扩大语料范围,确定新加坡华语的"会"的不同语法功能。在这个基础上,我们进一步探讨新加坡华语的"会"的可能来源和形成机制。

基于语义地图模型的对外汉语教学研究——以汉英人体名量词为例

语义地图模型作为一种新兴的语言类型学研究方法和分析工具,在语言研究的多个方面发挥着作用。这一分析工具在对外汉语语法及词汇教学、偏误分析、教材建设方面具有实践意义和可操作性。汉语和英语中的人体名词作临时量词的多功能语法现象,反映出汉语和英语这两种语言在概念维度上的共性与差异。采用语义地图模型分析不同语言的共性与差异是一种有效的方法,可以运用于对外汉语教学的多个方面。

基于词汇类型学的“呼吸(breathe)”概念的语义地图

重点关注词汇类型学研究的一个焦点——不同语言间多义词的语义衍生路径,指出在语法和语音领域成功应用的"语义地图模型"的研究方法也同样可用于词汇领域。汉语的名词"气"和其他语言的相关动词分别表达各自语言的"呼吸(breathe)"概念,它们有着近似的多义衍生路径,我们试图描画出一张完整的"呼吸(breathe)"概念的语义地图,展示人类语言的共性和差异。