大规模环境下的拓扑地图创建与导航

提出了一种新型拓扑地图;该地图用激光的扇区特征和视觉的比例不变特征来联合表示节点.与传统地图相比,该地图在创建过程中不依赖任何人工路标和机器人的全局定位.机器人通过综合考虑单个节点的相似度和不同节点间的空间关系,利用隐马尔可夫模型来提高节点的识别率.实验表明,该地图不仅易于创建和维护,而且适用于机器人在大规模室内环境下的自主导航.

基于智能空间的家庭服务机器人混合定位方法

智能空间在家庭服务机器人的应用中具有重要的作用,服务机器人的定位是其中的难点.首先提出了一种家庭环境下实现服务机器人进行家庭辅助操作的智能空间架构,然后对一种低成本的服务机器人混合定位方法进行了研究,该方法首先基于加权概率匹配定位算法的无线网络信号强度确定位置范围,然后读取智能空间中的无线射频标签进行位置计算,最后基于比例不变特征变换算法进行最终位置的视觉定位.在家居环境下的实验证明了该混合定位方法的有效性,该混合定位方法为服务机器人走入家庭提供了一种低成本、高可靠性的定位解决方案.

基于递归图的乐器识别算法

针对乐器分类问题,基于非线性动力学概念,将不同乐器产生的音频时间序列利用递归图方法进行处理,每组音频时间序列对应得到一张递归图。提取每张递归图的稠密比例不变特征变换(SIFT)特征,通过视觉词袋模型法将高维度的SIFT特征降维,得到每张递归图的视觉单词频率直方图向量作为特征输入线性支持向量机,采用支持向量机(SVM)算法中的"一对多法"实现多分类。实验表明,该方法识别准确率高于递归图密度比特征法,且比基于梅尔频率倒谱系数方法高出3%~4%。为乐器识别提供新思路。

多假设跟踪的移动机器人SLAM算法

针对基于视觉定位的移动机器人自主定位过程中容易产生多种候选位姿.提出一种基于多假设跟踪的同时定位和地图创建方法.该方法通过提取图像SIFT特征进行视觉量测,修正里程计累计误差,再利用多假设跟踪方法获得当前时刻的最优位姿,实时产生环境的栅格地图,并且随着机器人的位姿变化实时更新.研究结果表明:此算法不仅能够较好地创建环境地图,而且能够有效解决机器人"绑架"问题,提高自主定位精度.