摘要
随着智能技术的发展，智能服务机器人将被大规模的投入到人们的日常生活，并在各个行业中发挥至关重要的作用。机器人想要服务人类，首先要解决环境认知、定位与导航问题。而使用环境信息构建地图是导航的关键。视觉是人类感知外部环境的最主要途径，研究表明，80％以上的外界信息由视觉获取。模仿人类的视觉系统的视觉传感器，因其普遍体积小，并且价格相对较低，是许多机器人系统的主要的外传感器。近年来，尽管基于视觉的环境地图构建研究取得了很大的进展，但是现有的环境地图往往缺乏人类理解的高层语义，导致机器人无法完成更加智能的任务。本文研究基于物体检测与场景识别的语义地图构建方法，以提高机器人在定位与导航中的智能水平，主要的研究工作包括: (1)针对自主移动机器人在导航任务中存在的三个问题:1）机器人自定位，2)目标定位，3）路径规划，提出了基于物体检测与场景识别的语义地图构建框架。该地图包含拓扑层和语义层，拓扑层分别利用图像检索算法和姿态估计算法提供用于机器人自定位的信息以及用于路径规划的信息;语义层则分别利用物体检测算法和场景分类算法提供用于机器人目标定位的物体与场景信息。本文提出的语义地图框架可以有效地解决上述三个必须解决的问题。 (2)为了解决机器人自定位、路径规划问题，并更准确、有效地提取环境中的物体语义信息用于目标定位，提出了一种基于改进可变形部件模型物体检测的语义地图构建方法。首先，研究了基于分层词汇树和倒排索引库的图像检索方法，将该方法用于构建地图中拓扑层的信息，从而解决机器人自定位问题。其次，研究了在随机抽样一致性框架下基于一个3D点的姿态估计算法，构建拓扑层地点之间的几何关系，以解决机器人路径规划问题。然后，提出了一种改进的可变形部件模型物体检测新方法;最后，将物体检测算法得到的环境信息作为语义层融入到地图中，解决了机器人的目标定位问题，从而初步建立了环境语义地图。 (3)为了能够为机器人提供更充分的环境语义信息用于目标定位，提出了一种基于图像中层特征的场景分类算法，并将场景分类算法用于语义地图构建中。首先，提出了一种基于sketch tokens特征的边缘检测方法，在此基础上初始化中层特征的种子块;然后，利用得到的种子块训练exemplar SVM分类器，挖掘更多的中层图像特征，并采用熵准则提取具有高区分能力的图像特征;最后，利用提取到的特征进行识别，并将分类结果融入构建的地图中，从而生成基于物体检测和场景识别的完整语义地图。 (4)为了验证所构建的语义地图的有效性，我们利用P3-DX机器人平台，将我们提出的基于物体检测与场景分类的语义地图集成到该平台的导航任务中。为该机器人平台设计并实现了基于MATLAB GUI（图形用户界面）软件环境的语义地图构建及导航软件的原型系统。该软件系统可将环境地图的拓扑层和语义层整合起来生成完整的语义地图，为P3-DX机器人平台提供导航信息，实现导航任务。借助P3-DX机器人平台和构建好的完整语义地图，实现了真实室内环境的导航实验。
NETL