论文部分内容阅读
随着机器人技术的不断发展,智能移动机器人已经进入社会生活的各个领域,在家庭服务、医疗服务、商场、工业、农业及军事等领域发挥着越来越重要的作用,人们对智能移动机器人的需求也与日俱增。自主导航作为智能移动机器人研究中的基本问题,是移动机器人实现自主化及智能化的关键技术。作为一项基本的研究内容,在无约束的真实室内环境下,机器人自主导航仍然是一项挑战,这也使得其成为许多科技巨头公司必争的技术焦点。对于机器人室内导航问题,人们提出了诸如航位推测法、SLAM、视觉导航、WIFI及RFID定位等方法,而视觉导航的研究在这些方法中占有很大比重,因为机器视觉相比于其他类型的传感器来说,测量的范围更广,同时能够便捷、有效地获取丰富的环境信息。当前,机器学习领域取得了许多重要的研究成果,因此,本文提出将机器视觉及机器学习相融合,使机器人模仿学习专家的行为实现自主导航,并通过实际的室内环境实验对本文提出的方法进行了分析和验证。论文的主要工作如下:1、机器人视觉特征信息提取。选取Radon特征、Laws’模板特征及Harris角点特征作为机器人的视觉特征,同时,结合具体的机器人实时图像,对每一种特征的标准提取方法作了改进,为后续的机器学习提供统一的特征向量格式。2、机器人室内导航机器学习算法研究。机器人室内导航的模仿学习算法采用DAGGER算法,首先,对DAGGER算法的核心部分分类器,包括支持向量机、最小误差平方和分类器和PCA降维进行了介绍;其次,在matlab环境下对这些算法进行了仿真分析,为后续它们在机器人室内导航中的应用提供了理论上的指导;最后,给出了DAGGER算法的详细步骤。3、机器人室内导航系统的设计与实现。对于机器人室内导航软件的设计,主要是机器人对专家操作其导航过程的模仿学习进行了详细介绍,包括机器人运行视频录制、专家动作记录、视频分离、视觉特征信息提取和机器学习等。同时,对模仿学习应用于实际机器人室内导航中存在的问题进行了阐述,并给出了相应的解决方法。4、机器人室内导航实验研究。介绍了机器人室内导航实验涉及的硬件平台、机器人室内导航软件的操作流程及机器人在两种不同环境下的导航实验,对于导航实验中涉及的问题进行了分析说明。