动态环境下基于延迟语义的RGB-D SLAM算法

目前,将分割网络与SLAM(Simultaneous Localization and Mapping)结合已成为解决视觉SLAM不能应用于动态环境的主流方案之一,但是SLAM系统受到分割网络处理速度的限制,无法保证实时运行.为此,文中提出基于延迟语义的RGB-D SLAM算法.首先,并行运行跟踪线程与分割线程,为了得到最新的延迟语义信息,采取跨帧分割的策略处理图像,跟踪线程根据延迟语义信息实时生成当前帧的语义信息.然后,结合成功跟踪计数(STC)与极线约束,筛选当前帧动态点的集合,并确定环境中先验动态物体的真实运动状态.若确定该物体在移动,继续将物体区域细分为矩形网格,以网格为最小单位剔除动态特征点.最后,利用静态特征点追踪相机位姿并构建环境地图.在TUM RGB-D动态场景数据集及真实场景上的实验表明文中算法在大部分数据集上表现较优,由此验证算法的有效性.

稀疏场景下基于理性好奇心的多智能体强化学习

强化学习当前越来越多地应用于多智能体系统。在强化学习中,奖励信号起引导智能体学习的作用,然而多智能体系统任务复杂,可能只在任务结束时才能获得环境的反馈,导致奖励稀疏,大幅降底算法的收敛速度和效率。为解决稀疏奖励问题,提出一种基于理性好奇心的多智能体强化学习方法。受内在动机理论的启发,将好奇心思想扩展到多智能体中,并给出理性好奇心奖励机制,利用分解求和的网络结构将不同排列的联合状态编码到同一特征表示,减少联合状态的探索空间,将网络的预测误差作为内在奖励,引导智能体去研究新颖且有用的效用状态。在此基础上,引入双值函数网络对Q值进行评估,采用最小化算子计算目标值,缓解Q值的过估计偏差和方差,并采用均值优化策略提高样本利用。在追捕任务和合作导航任务的环境中进行实验评估,结果表明,在最困难的追捕任务中,该方法相较于基线算法,胜率提高15%左右,所需时间步降低20%左右,在合作导航任务中也具有较快的收敛速度。

基于教学竞赛一体化的大学生实践创新能力培养模式研究

对大学生实践创新能力培养研究已经成为各高校管理部门及教师的一项重要研究课题。文章提出通过在高校开设大学生竞赛课程及后期组织竞赛这种新思路培养学生实践创新能力,以机器人足球程序设计课程为例阐述一种教学竞赛一体化的培养体系。

稀疏奖励下基于情感的异构多智能体强化学习

在强化学习中,当处于奖励分布稀疏的环境时,由于无法获得有效经验,智能体收敛速度和效率都会大幅下降.针对此类稀疏奖励,文中提出基于情感的异构多智能体强化学习方法.首先,建立基于个性的智能体情感模型,为异构多智能体提供激励机制,作为外部奖励的有效补充.然后,基于上述激励机制,融合深度确定性策略,提出稀疏奖励下基于内在情感激励机制的深度确定性策略梯度强化学习算法,加快智能体的收敛速度.最后,在多机器人追捕仿真实验平台上,构建不同难度等级的稀疏奖励情景,验证文中方法在追捕成功率和收敛速度上的有效性和优越性.

联合深度图聚类与目标检测的像素级分割算法

获取周围环境中的语义信息是语义同时定位与建图(Simultaneous Localization and Mapping,SLAM)的重要任务,然而,采用语义分割或实例分割网络会影响系统的时间性能,采用目标检测方法又会损失一部分精度.因此,文中提出联合深度图聚类与目标检测的像素级分割算法,在保证实时性的前提下,提高当前语义SLAM系统的定位精度.首先,采用均值滤波算法对深度图的无效点进行修复,使深度信息更真实可靠.然后,分别对RGB图像和对应的深度图像进行目标检测和K-means聚类处理,结合两者结果,得出像素级的物体分割结果.最后,利用上述结果剔除周围环境中的动态点,建立完整、不含动态物体的语义地图.在TUM数据集和真实家居场景中分别进行深度图修复、像素级分割、估计相机轨迹与真实相机轨迹对比实验,结果表明,文中算法具有较好的实时性与鲁棒性.

基于情绪感染的情感机器人任务分配算法研究

在多机器人系统中,任务分配是一个重要的研究课题.文章对任务分配中的机器人情感因素进行研究,提出基于情绪感染的情感机器人任务分配算法.根据OCEAN模型定义情感机器人个性,并结合机器人在情绪感染中行为的不同将个体分为四种类型,定义情感机器人个性到行为的映射,提出情绪感染算法,将情绪感染与任务分配结合.任务分配中首先依据定义的领导能力参数选择团队领导者,然后根据情绪感染机制选择出任务团队中的其他合作成员,形成满足任务需求的团队.最后实验分析了情绪感染模型的影响因素和不同个性机器人个体对一般群体的影响,并验证了本文所提出算法的有效性.

HfutEngine2005仿真机器人足球队设计

文章从进攻和防守的角度描述了RoboCup仿真机器人足球队球员Agent决策策略的设计;提出了基于Advisor-Evaluator进攻决策模型,详述其各个组成部分,并进行性能分析;设计基于防守对象-绑定-防守动作的防守模型来进行防守方案设计,实战结果表明,以此为基础的HfutEngine2005具有较强的比赛能力。

一种基于全维视觉与前向单目视觉的目标定位算法

在机器人足球中,机器人周围的环境信息被颜色特殊化。在对基于颜色阈值分割的分析基础上,针对不同光线的情况下提出了改进的颜色阈值分割法,实现了全维视觉和前向单目视觉对场上不同颜色目标的识别。在此基础上实现了前项单目视觉和全维视觉的目标定位,利用Kalman滤波算法,实现二者的信息融合,从而实现更准确的目标定位信息。实验结果表明基于此算法可以弥补中远距离的目标信息的准确度,证明本算法是可行且有效的。

程序设计课程教学改革探讨

目前各院校在程序设计课程教学上采用不同的教学方式,但多数着眼于语言规范的讲解。结合我校在这方面的教学经验,以现代教育理论为指导,提出教学改革方案。宗旨是程序设计课程教学的重点不应放在某些语言的规范上,而是应该放在学生的能力培养上。教学应该立足于如何用计算机解决实际问题,使学生掌握解决实际问题的程序设计思想,提高学生的实际动手能力和创新能力。

影响图及其在Robocup中的应用

影响图是决策问题的图形表示。它被认为是对动态贝叶斯网络的扩展,是在贝叶斯网络的基础上增加了决策结点和效用结点。探讨影响图在Robocup中的应用,用分层影响图表示了截球问题的模型,并给出一种实现行为动态调整的算法。仿真结果表明该算法可行的。

基于换位思考模型的多智能体协作研究及在RoboCup中的应用

机器人世界杯(RoboCup)是一个典型的多智能体系统.为了提高多智能体协作的效率,提出一种新的基于换位思考模型的多智能体协作研究方法.首先,教练智能体获取仿真比赛环境中球员智能体的无噪音信息,对所有队友智能体建模;然后,应用高斯分布计算队友智能体的当前行为模式,并把当前模式反馈给仿真环境;最后,球员智能体根据换位思考模型计算得到的模式做出相应决策.该模型已经应用于HfutEngine2D仿真球队中,在RoboCup仿真比赛中获得2007年中国公开赛亚军,2008年机器人世界杯第7的好成绩.

基于约束树形图结构外观模型的人体姿态估计

人体姿态估计是计算机视觉领域中的一个关键问题,可用于行人检测、人体活动分析、人机交互以及视频监控等方面。针对基于树形图形结构模型的人体姿态估计算法中人体部件外观模型容易受到背景干扰的问题,提出了基于先验分割和外观转换的外观模型的人体姿态估计算法以改进人体的外观模型。根据PS模型,使用人体检测器和前景加亮进行预处理,确定人体的大致位置和大小,同时移除背景上的杂斑,基于先验分割和外观转换机制来估计人体部件的外观模型。实验表明在不同的图像数据库中,该算法在使用人体检测器和前景加亮算法减少部件搜索空间的同时,提高了人体姿态估计的准确性。

融合遗传优化的粒子滤波器算法

为了解决基于Rao-Blackwellized粒子滤波器的同时定位与地图创建算法需要大量的采样粒子,而且频繁重采样可能导致粒子耗尽的问题,提出了融合遗传优化的粒子滤波器算法。设计了一种变异的遗传算法来兼顾粒子的权值和粒子集的多样性,取代原有的重采样步骤。在计算采样的提议分布时考虑了里程计信息和距离传感器信息,并且通过遗传算法来维持粒子集的多样性。实验结果表明,融合遗传优化的粒子滤波器算法在估计精度和一致性方面都具有较好的性能,所创建的地图具有更高的精度。

基于轮廓分析的广义步态识别算法研究

在步态识别中,最关键的是获取步态特征之后如何选择最佳投影方向,且计算复杂度较小.因此,根据对现有算法的分析,提出一种基于轮廓特征的的广义步态识别算法.在传统的线性判别分析方法基础上,通过重新定义样本类间离散矩阵寻找最佳投影方向,使不同的目标映射到同一低维空间中,在保留同类结构信息的同时最大化不同类的间距.首先对每个序列进行运动轮廓提取,根据轮廓解卷绕方法将二维轮廓形状转换为一维距离信号,并通过广义线性判别分析方法(Generalized Linear Discriminative Analysis,GLDA)得到最佳投影空间,最终利用支持向量机(Support Vector M achine,SVM)完成分类识别.实验结果表明,该算法简单有效,具有更高的识别率,并且计算代价及处理速度明显优于其他现有算法.

基于多层上下文卷积神经网络的目标检测算法

目标检测提取的特征信息不足,导致识别小目标或被遮挡目标时精确度不高.因此,文中提出多层上下文卷积网络(MLC-CNN),通过提取多层上下文信息特征并结合物体特征进行目标检测.MLC-CNN由区域生成网络(RPN)和多层上下文信息(MLC)两个子网络组成,RPN获取固定长度的特征向量作为目标特征,MLC获取不同层特征图上对应的上下文信息特征,最后融合两部分特征.此外,为了解决数据不均衡问题,融入难负样本训练.在PASCAL VOC2007和PASCAL VOC2012数据集上的实验表明,MLC-CNN的均值平均精度(mAP)具有明显提高.

基于状态空间与概率空间映射的极大相似度匹配情感模型

机器人情感建模是研究情感机器人的热点问题.文中以情感心理学知识为基础,模拟具有不同个性的情感机器人在外界刺激作用下情感动态变化的过程,研究个性和外界刺激对情感转移过程的影响.采用基于状态空间的情感空间模型来描述机器人的情感状态,并用HMM过程来模拟情感状态的转移过程.但HMM过程只能求得当前情感状态的概率,为得到具体的情感状态,文中提出一种基于状态空间与概率空间映射的极大相似度匹配的情感转移模型.首先利用HMM过程计算出当前情感概率,然后通过极大相似度匹配来得到转移后具体的情感状态.通过调节模型参数来模拟不同个性和外界刺激,该模型能有效模拟情感状态变化过程.实验结果验证模型模拟的情感变化过程符合人类情感变化的一般规律.

一种基于结构分解的影响图模型选择算法

针对概率网络模型选择的数据依赖性和计算复杂性,以及影响图模型的非概率关系学习问题,通过对影响图结构进行分解,提出一种PS-EM算法实现影响图概率结构部分的模型选择,给出一种利用BP神经网络学习每个效用结点的局部效用函数来实现效用结构部分的模型选择方法。PS-EM算法对N.Firedman的SEM算法进行改进,提出一种引入融合先验知识的MDL评分标准来降低传统MDL评分对数据的依赖性;通过将参数学习和结构评分分开计算提高计算效率。最后,在石油投机商模型上的结果显示,PS-EM比SEM的时间性能要好,对数据依赖性要小,且效用部分的结构选择易于实现。

基于局部特征聚类损失和多类特征融合的面部表情识别

在真实世界中,每个个体对表情的表现方式不同.基于上述事实,文中提出局部特征聚类(LFA)损失函数,能够在深度神经网络的训练过程中减小相同类图像之间的差异,扩大不同类图像之间的差异,从而削弱表情的多态性对深度学习方式提取特征的影响.同时,具有丰富表情的局部区域可以更好地表现面部表情特征,所以提出融入LFA损失函数的深度学习网络框架,提取的面部图像的局部特征用于面部表情识别.实验结果表明文中方法在真实世界的RAF数据集及实验室条件下的CK+数据集上的有效性.

一种基于支持向量回归方法在RoboCup中的应用

对RoboCup中截球问题引入了支持向量回归方法,通过采集样本训练预测模型来预测Agent成功截到球时球运动过的距离。为了达到更好的预测效果,对此模型的参数选择问题进行了相应的研究,最后将此预测模型与广义回归神经网络等传统方法相比较,结果表明,在截球距离的预测精度方面要优于传统的广义回归神经网络。

基于多Agent动态影响图的协作实现

将MAIDs在时间上进行扩展,提出一种新决策模型——多Agent动态影响图(MADIDs),对动态环境中的协作关系进行建模;给出MADIDs的一种分层分解的分布近似方法,进而通过将决策结点和效用结点的推理引入到BK算法中,给出MADIDs环境模型的一种扩展BK(EBK)近似推理算法;引入一种BP神经网络学习MADIDs的局部效用函数。最后,针对一个表示协作关系的MADID模型,进行算法比较和仿真实验,实验结果显示了MADIDs模型的有效性。