机器人的混合特征视觉环境感知方法

提出一种基于颜色直方图和SIFT混合特征的机器人视觉环境感知方法。该方法将颜色直方图的"色"与SIFT算法的"形"有机结合,有效提高了感知精度和实时性。对图像进行平均亮度调整并对颜色直方图特征加入主颜色直方图,使之对环境光照和动态变化具有更好的鲁棒性;通过控制特征点数和加入局部颜色统计信息方式改进SIFT算法,提高了特征生成速度和匹配准确度。利用分级匹配方法加速了特征检索过程,并采用本文提出的基于数据知识的推理方法进一步提高了感知精度。仿真与实验结果表明,随着数据库规模扩大,本文方法在感知精度和实时性上的性能优势越发明显。

机器人模仿学习的非接触观测控制图模型

提出一种新的基于非接触观测信息的机器人模仿学习表征与执行的控制图模型.建立可模仿学习的人-机关系,并得出模仿学习前提条件是以系统末端微分运动为基本行为元.提出控制图模型结构和基于视觉观测序列的模型学习方法.提出基于累积和瞬时相关函数的观测序列分割和图结构生成方法,和基于RBF(径向基函数)网络的行为元目标学习方法.通过不同结构和自由度的机器人毛笔绘画和物体抓取模仿学习实例实验,证明了所提出模型在视觉观测信息下能够表征与执行不同层次和类型的行为,具有良好的泛化能力、通用性及实用性.