资料下载
基于概念地图的机器人导航方法_钱堃
郭世凯
分享资料个
概念地图既包含用于定义房间与物品及其相互关系的概念本体（ ontology） ，又能将实际传感器观测信息表达为这种抽象概念的实例化． 本文将概念地图的知识表达分为术语知识（ T-Box ） 、空间知识（ SBox） 及用户知识（ H-Box） 三个层次． 1． 1 术语、空间及用户知识针对室内服务环境下的服务机器人导航问题，术语知识（ T-Box） 包含了机器人工作环境中典型的房间、走廊、物品等空间概念以及服务对象的概念，这些概念本体间的逻辑关系主要表现为区域与物品间的 “has-a”与“is-a”从属关系． 对于室内环境下的 T-Box 概念知识，概念的逻辑关系可用谓词公式描述以便查询及推理． 例如办公室概念 Office 是房间概念 Room 的一个子类，对应谓词描述为 （ defconcept Office： is （ ： and Room （ （ ： at-least 2 occupant） ∧ （ ： some has-a OfficeObject） ） ） ） 空间知识（ S-Box） 描述了传感器对环境的直接观测量值及其空间相对位置关系． S-Box 采用三级描述． 最底层的视觉特征层描述了各种物体及地点的图像特征，被视觉处理模块利用以实现场景地点图像识别． 中间的栅格层以独立的区域为单位描述了机器人运动空间被障碍物占有的概率，直接对应机器人在局部栅格地图坐标系中的 Monte Carlo 定位（ MCL） 及栅格路径规划． 最高层的符号层用节点表示栅格层与特征层中的各个实例，用边表示房间与走廊的连接关系及物体与房间的从属关系． 符号层是对空间及物品的符号化抽象，既能直接用于拓扑 Markov 定位及拓扑规划，又充当 S-Box 与 T-Box 的接口． 传感器观测在 S-Box 符号层中实例化为实体，T-Box 中可查询其相应的概念映射． 具体概率地图采用基于机器人激光传感器的 SLAM 算法［7］创建，地点的视觉特征由该位姿下所得图像 SIFT 特征向量所描述．在与人共处的服务环境下，用户知识（ H-Box） 具有与 S-Box 类似的三层结构与功能，对应视觉系统对服务对象（ 人） 的特征感知信息． 例如上半身衣着颜色统计分布、面部特征信息等．
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
