自适应模型和固定模型结合的肤色分割算法

由于受环境、光照、人种等因素影响,不同图像中的肤色分布并不一样。在复杂背景情况下,采用固定的阈值边界模型进行肤色分割将导致较大的漏检或误检。基于YCbCr颜色空间,在固定阈值边界模型分割的基础上,运用简化的期望最大化(EM)算法计算出针对特定图像的自适应肤色高斯模型;然后综合考虑固定阈值边界模型以及自适应肤色高斯模型在不同颜色区域上划分的准确性,给出最终的肤色分割结果。实验结果表明,该方法相比固定阈值边界模型的分割方法,能同时降低误检率和漏检率,从而提高肤色识别的准确率。

服务机器人的产业化发展之路

引子——能“产业化”的服务机器人服务机器人是一种半自主或者全自主工作的机器人，它能完成有益于人类的服务工作，但不包括从事生产的设备[1-2]。能产业化的服务机器人大致可以分成两大类：一种是提供专业服务的机器人，包括各种现场操控机器人、医疗服务机器人、救援及安全机器人、公共服务机器人、军用机器人等等；另一种是家用服务机器人，包括提供家务服务、娱乐休闲服务、安全健康服务以及助老助残等服务的机器人。

低成本激光和视觉相结合的同步定位与建图研究

激光雷达和视觉传感是目前两种主要的服务机器人定位与导航技术,但现有的低成本激光雷达定位精度较低且无法实现大范围闭环检测,而单独采用视觉手段构建的特征地图又不适用于导航应用。因此,该文以配备低成本激光雷达与视觉传感器的室内机器人为研究对象,提出了一种激光和视觉相结合的定位与导航建图方法:通过融合激光点云数据与图像特征点数据,采用基于稀疏姿态调整的优化方法,对机器人位姿进行优化。同时,采用基于视觉特征的词袋模型进行闭环检测,并进一步优化基于激光点云的栅格地图。真实场景下的实验结果表明,相比于单一的激光或视觉定位建图方法,基于多传感器数据融合的方法定位精度更高,并有效地解决了闭环检测问题。