基于语义地图的目标定位和智能导航

针对移动机器人对于复杂室内环境的语义信息利用不足问题,提出一种基于二维语义栅格地图的声控语义导航方法,弥补室内机器人在单场景环境下语义导航领域的空缺。基于构建的二维语义栅格地图,采用声控语义导航算法,用语音指令驱动机器人导航到相应的语义物体附近,精确定位语义物体,并在这些物体周围的安全区域计算出合适的导航点;配合语音识别和自然语言处理技术,使机器人能够根据用户模糊的语音指令精确移动到指定的语义物体附近,实现智能化和灵活性更高的导航决策。实验结果表明,导航成功率达到了93%;在布置有不规则障碍物的环境中,该语义导航碰撞率仅为4.6%。所提声控语义导航方法可行,避障能力具有明显优势。

基于语义物体尺寸链的改进自适应蒙特卡洛动态定位研究

为解决原始自适应蒙特卡洛定位(Adaptive Monte Carlo localization,AMCL)在相似动态环境下极易重定位失败的问题,首先融合机器人里程计信息、激光信息以及视觉信息,基于Gmapping算法完成机器人的即时定位与栅格地图的创建,其次将KinectV2彩色图像输入到目标检测识别方法中获取图像中物体检测框与类别,并结合GrabCut算法实现语义分割,利用配准数据计算出彩色图像中的物体在深度图像中对应位置,然后将获取到的KinectV2深度数据转换成点云信息并投影转换至全局地图坐标系下,得到物体语义图,并充分发掘各语义物体之间的关系,构建语义物体尺寸链,并提出一种快速有效的尺寸链检索方法,同时采用贝叶斯方法来减小误检测和重复检测对物体语义图的影响,将物体语义图和栅格地图进行原点重合以及位姿对齐,从而构建二维语义栅格地图,提出一种基于语义物体尺寸链的改进AMCL重定位算法,最后通过大量真实环境下的重定位实验验证了所提方法在相似动态环境中的优越性能。