基于显著性和SURF的家居服务机器人物体识别算法

物体识别是家居服务机器人的主要问题之一,考虑到家居非结构化环境下物体识别的复杂性,将不依赖图像分割的局部特征作为关键特征。针对传统SURF算法运算量大的问题,模拟生物视觉功能,提出了一种基于显著性区域指导的局部特征算法。首先采用视觉选择性注意机制提取图像显著区域,然后提取显性物体区域SURF特征,最后完成与目标图像的特征点匹配,实现场景中目标物体的识别。实验证明,和传统SURF算法相比,改进算法速度得到有效提高,同时识别率提高了约10%。

基于智能手机控制的家居服务机器人研发

针对我国智能家居服务机器人的发展现状与不足,设计了一种基于智能手机控制的家居服务机器人。主要涉及技术有:机器导航、机器视觉、信息融合、人机交互、嵌入式技术、语音识别技术等。实现了实时定位、远程控制、自主导航、手势识别、监控家庭环境、语音识别等功能。机器人配有一个单目摄像头,可以实时监控家庭环境;通过智能手机远程控制端可以在世界上任何一个可以上网的地方看到用户家里的状况;并且可以用手机控制机器人的行走路径,真正做到全方位无盲点的实时监控;基于ARM平台的嵌入式视觉处理系统实现手势识别并准确的控制机器人运动;机器人还配有烟雾感传感器、温湿度传感器,可以监测环境的空气质量。经过试验验证,该机器人符合家居服务的基本要求。

基于视觉的智能家居服务机器人导航和定位技术研究应用

随着社会科技的发展,智能型机器人的研究也在加快脚步,机器人的多种处理能力日渐丰富,为人们的家居生活带来了诸多便利。本文主要是从机器人的控制能力、算法处理、图像处理以及信息处理四个方面进行了分析,简要的阐述了智能型机器人在家居生活中的应用,对机器人的发展方向等做了论述。

基于改进A~*算法的家居服务机器人路径规划

由于家居环境空间占用率高,存在许多障碍在搜索空间中创造了局部最小值,对于机器人在家居环境下的路径规划来说依旧是一个挑战,迫使像A*这样的启发式规划者扩大搜索范围。本文在标准A^*算法的基础上,提出了在基于加权A^*的次优性边界搜索的基础上使用不一致状态重构A^*算法框架的改进方法,通过不重新计算在先前迭代中已经正确计算的状态成本,来减少计算量从而提高算法规划路径的速度,同时也确保了次优性边界。最后对改进前后的算法进行了路径规划对比试验,验证了改进后算法的稳定性和可靠性。

家居服务机器人物体感知设计

随着社会的发展和老龄化问题的越来越严重,人们对家居服务机器人的需求越来越迫切。首先,对于目标识别算法做了介绍,目标的实时跟踪算法做了叙述。提出基于SURF特征设计并实现了一套完整的家居服务机器人物体识别系统。其次,为了进一步提高系统性能,对性能进行了改进,对于目标跟踪算法的四个环节:运动预测、特征提取、特征匹配、模板更新做了详细的理论分析,家居服务机器人物体感知设计对于服务机器人的研究具有重要意义。

一种服务机器人的实时物体识别与跟踪系统

针对室内复杂环境下对家居服务机器人识别与跟踪物体的可靠性与实时性要求,提出了把Adaboost算法和Camshift算法相结合的新思路,并引入一种基于视频帧间相关性分析的新的检测策略,通过设定相邻视频帧中检测到的物体区域的重合率来剔除误检窗口.将其应用于家居服务机器人的实时物体识别与跟踪领域,既充分利用了Haar特征检测实时性好的特点,又解决了传统Camshift方法需要手工选取跟踪物体的缺点.在分辨率为1 024×768,帧速率为30帧/s的视频上进行测试,每帧图像的检测率由原来的77.2%提高到92.4%,平均用时由原来的70.546 3 ms减少为23.985 1 ms.

沪语语音识别研究及在家居机器人中的应用

为实现对沪语语音的识别和与家居机器人沪语语音交互,通过分析了沪语语言的语音、语调、语法特点,提出了沪语语音的识别基元的建模方法。该方法生成了新的声韵集作为识别基元,并建立了课题相关的沪语语音语料库,同时基于HTK初步构造了沪语语音的声学模型和3-Gramm语言模型。该系统模型在家居服务机器人中得到初步的应用,系统采用VC6.0实现,实现了用现场语音对家居服务机器人动作的控制,稳定环境下实验成功率达到87.33%。语音交互实验结果表明了该系统的有效性。

Finding misplaced items using a mobile robot in a smart home environment

Smart homes can provide complementary information to assist home service robots.We present a robotic misplaced item finding(MIF)system,which uses human historical trajectory data obtained in a smart home environment.First,a multi-sensor fusion method is developed to localize and track a resident.Second,a path-planning method is developed to generate the robot movement plan,which considers the knowledge of the human historical trajectory.Third,a real-time object detector based on a convolutional neural network is applied to detect the misplaced item.We present MIF experiments in a smart home testbed and the experimental results verify the accuracy and efficiency of our solution.