智能服務(wù)型機器人的視覺人機交互與導(dǎo)航.pdf

1、該文的研究重點是基于視覺信息的感知和判斷,主要包括"基于姿態(tài)識別的人機交互"和"非結(jié)構(gòu)場景下的移動機器人自主導(dǎo)航"兩方面的內(nèi)容,其中涉及到的問題有人臉定位、頭部姿態(tài)識別與跟蹤、手勢跟蹤、動態(tài)手勢識別、自定位、路徑規(guī)劃和場景學(xué)習(xí)等.在該文中,我們以智能輪椅為平臺,對這些智能服務(wù)型機器人的共性和關(guān)鍵問題逐一開展了研究.智能服務(wù)型機器人所處的環(huán)境往往是動態(tài)和非結(jié)構(gòu)的場景,環(huán)境的不確定性給機器人的感知和判斷增加了難度.因此,我們使用概率模型來描

2、述場景的不確定性,把目標(biāo)的檢測、跟蹤和位置識別等問題轉(zhuǎn)化成基于觀測或觀測序列的狀態(tài)估計問題來處理,這個思路貫穿該文的所有章節(jié).該文工作的貢獻體現(xiàn)在以下四個方面:①遵循Asimov的機器人法則,提出智能輪椅設(shè)計應(yīng)遵循的四個原則,并設(shè)計出了一臺多模態(tài)交互式智能輪椅.這個機器人平臺具有硬件體系上的信息多通道性、軟件體系上的多任務(wù)性和控制模式的多類型性等特點.②深入研究了動態(tài)場景下的人臉頭部姿態(tài)的識別、定位和跟蹤問題.通過定義頭部姿態(tài)的狀態(tài)量,

3、使用概率推理方式對頭部姿態(tài)的識別、定位和跟蹤問題給出了一個統(tǒng)一的解釋.其中,頭部姿態(tài)識別是作為系統(tǒng)狀態(tài)的觀測模型而提出的.為了提高姿態(tài)識別對于變化光照的魯棒性,我們提出先用碗狀帶通濾波器提取出較穩(wěn)定的頭部姿態(tài)的表現(xiàn)信息,再用概率主元分析對姿態(tài)簇建模的方法實現(xiàn)頭部姿態(tài)識別.頭部姿態(tài)的檢測和跟蹤表現(xiàn)為對系統(tǒng)后驗概率的估計,我們采用粒子濾波的方法估計后驗概率,將頭部的膚色信息、形狀信息和運動信息結(jié)合到粒子的采樣過程中,通過分區(qū)采樣的策略實現(xiàn)了

4、實時的檢測和跟蹤.③提出了一種改進的粒子濾波器,并將其應(yīng)用于手勢的跟蹤.這種粒子濾波器將粒子的均值漂移加入到粒子濾波過程當(dāng)中,在一定程度上避免了粒子濾波中的采樣惡化問題和采樣枯竭問題,提高了有效粒子的數(shù)目.在實時手勢跟蹤的基礎(chǔ)之上,我們提出基于時序模板的軌跡分析方法,并用兩層分類器實現(xiàn)了對7種動態(tài)手勢的識別.④提出"三層導(dǎo)航體系結(jié)構(gòu)"和"基于貝葉斯濾波的序列圖像直方圖匹配方法"解決非結(jié)構(gòu)場景下的移動機器人導(dǎo)航問題.三層導(dǎo)航結(jié)構(gòu)由拓撲層、