机器人杂志

机器人杂志2019年第5期

• 基于增量式RBF网络的Q学习算法

  胡艳明, 李德才, 何玉庆, 韩建达

  为提升机器人的行为智能水平，提出一种基于增量式径向基函数网络（IRBFN）的Q学习（IRBFN-QL）算法．其核心是通过结构的自适应增长与参数的在线学习，实现对Q值函数的学习与存储，从而使机器人可以在未知环境中自主增量式地学习行为策略．首先，采用近似线性独立（ALD）准则在线增加网络节点，使机器人的记忆容量伴随状态空间的拓展自适应增长．同时，节点的增加意味着网络拓扑内部连接的改变．采用核递归最小二乘（KRLS）算法更新网络拓扑连接关系及参数，使机器人不断扩展与优化自身的行为策略．此外，为避免过拟合问题，将L2正则项融合到KRLS算法中，得到L2约束下的核递归最小二乘算法（L2KRLS）．实验结果表明，IRBFN-QL算法能够实现机器人与未知环境的自主交互，并逐步提高移动机器人在走廊环境中的导航行为能力．

• 基于多演示动作基元参数化学习的机器人任务泛化

  刘环, 钱堃, 桂博兴, 马旭东

  针对机器人示范学习过程中任务泛化与动作轨迹泛化问题，提出了一种将多演示动作轨迹的任务参数化学习与动作序列推理相结合的方法．针对通用动作基元的多演示轨迹样本，利用动态运动基元进行轨迹编码并建立任务参数化模型，利用高斯过程回归学习外部参数与模型参数之间的映射．针对新的任务实例，利用规划域定义语言推理缺失动作序列，任务参数化模型根据新的外部参数泛化出动作的目标轨迹，并修正轨迹误差．在UR5机器人上的实验表明，面对不同任务实例和环境变化，该方法可灵活生成动作序列并调整泛化目标，基于多演示的任务参数化模型能够对给定外部参数泛化出平滑的目标轨迹，泛化效果优于单一演示轨迹，提高了机器人任务泛化的能力．

• 基于非结构基本组成分析的自主抓取方法

  刘汉伟, 曹雏清, 王永娟

  针对现实生活中的非结构化抓取环境，提出一种基于非规则物体基本形体组成的自主抓取方法．机器人自主抓取的关键不仅仅在于对物体类型的识别，更大一部分在于对物体形状（例如形状基元的组成）判断后的良好抓取．将不规则的复杂物体简化为一些简单物体的组合，利用基于特征点和核心提取的网格分割（MFC）算法将被抓取物体3D数据点分割为主体和分支部分，依据最优拟合算法将各部分拟合为球体、椭球体、圆柱体、平行六面体中的一种，并依据简化结果对抓取位姿进行约束，再对简化后物体进行抓取训练，获取最优抓取框，从而实现对未知物体的自主抓取．本文方法最终在Baxter机器人上实现了93.3%的抓取准确率．实验结果表明，该方法可应用于不同形状、不同位姿的未知非规则物体，鲁棒性较强．

• 基于STFT的仿人机器人手臂轨迹生成方法

  林立民, 刘成菊, 马璐, 王德明, 陈启军

  为了提高机器人轨迹生成算法的泛化性，提出了一种基于时间－空间特征模板（STFT，spatio-temporal feature template）的机器人手臂轨迹生成方法．首先，针对机器人示教轨迹往往存在的时间长短和幅度差异较大的问题，采用广义的典型时间规整（generalized canonical time warping，GCTW）方法来统一时间和幅度的变化，从而获取机器人示教轨迹的共同特征模板．其次，基于STFT，引入机器人轨迹生成的平滑性约束、任务约束等因素，设定轨迹生成的目标函数并优化．最终在NAO仿人机器人平台上验证了所提出的轨迹生成算法，基于STFT生成机器人弧形轨迹并完成数字书写．实验结果表明，本文提出的基于STFT的轨迹生成策略可以生成满足期望条件的机器人轨迹，并具有一定的泛化性．

• 面向移乘搬运护理机器人的人体姿态视觉识别

  刘今越, 李顺达, 陈梦倩, 郭士杰

  针对移乘搬运护理机器人系统对人体姿态检测的高准确性、近距离适应性等要求，提出一种基于RGB-D（RGB-depth）信息的双级卷积神经网络算法．利用第1级网络计算彩色图像中的人体关节像素坐标，将彩色图人体关节坐标映射到深度图坐标，计算关节热图；提出一种卷积神经网络结构，将深度图像和关节热图输入第2级网络，估算3D人体关节位置．根据人体关节点位置，采用图像分割方法进一步计算腋下点．实验结果表明，本文提出的人体姿态识别方法单次计算用时210 ms，在移乘搬运护理机器人应用环境下，人体姿态识别精度达到了91.5%，在近距离环境下人体姿态识别精度达到了90.3%，具备实时、准确的人体姿态全局坐标估算能力．

• 基于IHDR算法和BP神经网络复合框架的机器人服务自主认知和发育系统

  黄敏, 路飞, 李晓磊, 田国会, 孟可

  为了解决传统的基于知识或基于学习的机器人服务认知机制的智能性和普适性较差的问题，构建了一个基于IHDR（增量分层判别回归）算法和BP（反向传播）神经网络复合框架的机器人服务任务自主认知和自主发育系统．在家庭服务机器人智能空间中丰富的传感器和物联网技术的支持下，采集大量用于机器人学习和发育的样本数据；在此基础上，针对智能空间样本数据的混合特性，设计改进的IHDR算法，实现对混合型样本数据的聚类更新和响应计算，并将生成的IHDR树作为机器人存储历史经验的“大脑”，使机器人能够利用“大脑”中已有的经验进行自主学习和相应判断，以实现对服务的自主认知；利用JSHOP2（Java simple hierarchical planner）规划器对认知的复杂任务进行分解，得到可被机器人直接执行的原子任务．为了避免IHDR树规模不足的局限性，设计基于BP神经网络的服务认知算法，利用样本数据训练BP神经网络，实现智能空间实际场景到用户所需服务的映射，在IHDR树无法提供历史经验的情况下，使机器人仍能基于BP神经网络自主进行服务决策．然后将此映射结果以增量的方式更新到IHDR树中，丰富其具备的经验知识，实现机器人服务自主认知能力的发育．仿真实验结果表明，该复合框架可以有效提高服务机器人对智能空间情景下用户所需服务的认知准确性及认知发育能力，推进人机共融的实现．

• 基于稳态视觉诱发电位的智能轮椅半自主导航控制

  张亚徽, 王斐, 李景宏, 刘玉强, 吴仕超

  针对现有基于脑－机接口（BCI）控制的智能轮椅因交互不协调、识别准确率低、执行效率差而造成用户疲劳等问题，提出了一种人机协同智能控制方法，设计并实现了一种基于BCI与层级地图结合的智能轮椅半自主导航控制系统．首先根据实际需要构建栅格－拓扑－意图3级层级地图．然后采用基于典型相关性分析的1维卷积神经网络对人的意图进行识别分类，并通过BCI系统发送至导航控制部分．最后经融合决策给出控制指令实现智能轮椅的导航．实验中所提方法的平均准确率为91.576%，对脑电信号的识别准确率高，控制系统的稳定性好．结果表明该方法可灵活控制轮椅运动方向并按照人的控制意图无碰撞地到达目标地点．

• 3维细长管路测量系统扫描路径自主规划

  庄金雷, 李瑞峰, 曹雏清, 高云峰, 陈盟

  针对弯折加工而成的3维细长管路的测量问题，设计了一种由工业机器人和多种传感器组成的自主测量系统．为完成测量中关键的管路点云自主扫描，提出了一种基于遗传算法的管路扫描路径规划算法，可求取出能够完整扫描管路且扫描次数尽可能少的1组无碰关键扫描点，并且在关键扫描点处机器人的姿态被约束在竖直方向周围的一定范围内．此外，在每代群体产生后根据向前覆盖因子更新探索步长，并据此调整新采样个体的采样区间用以快速采集到更合适的个体．路径规划算法的性能验证中，首先实施了弯曲管路仿真，然后进行了圆柱段和圆环段在不同姿态下的扫描路径规划的仿真，最后开展了汽车管路扫描路径规划的仿真和实测实验．仿真结果中最优个体扫描长度随迭代次数增加而增大，且两种管路段和汽车管路的扫描覆盖率均超过0.99，表明规划得到的关键扫描点数量少，且关键扫描点的扫描体可近乎完整地扫描对应管路．汽车管路仿真与实测实验结果表明该算法对复杂管路可规划出合适的扫描路径．

• 基于实例分割网络与迭代优化方法的3D视觉分拣系统

  王德明, 颜熠, 周光亮, 李勇奇, 刘成菊, 林立民, 陈启军

  针对工业上常见的弱纹理、散乱堆叠的物体的检测和位姿估计问题，提出了一种基于实例分割网络与迭代优化方法的工件识别抓取系统．该系统包括图像获取、目标检测和位姿估计3个模块．图像获取模块中，设计了一种对偶RGB-D相机结构，通过融合3张深度图像来获得更高质量的深度数据；目标检测模块对实例分割网络Mask R-CNN（region-based convolutional neural network）进行了改进，同时以彩色图像和包含3维信息的HHA（horizontal disparity，height above ground，angle with gravity）特征作为输入，并在其内部增加了STN（空间变换网络）模块，提升对弱纹理物体的分割性能，结合点云信息分割目标点云；在目标检测模块的基础上，位姿估计模块利用改进的4PCS（4-points congruent set）算法和ICP（迭代最近点）算法将分割出的点云和目标模型的点云进行匹配和位姿精修，得到最终位姿估计的结果，机器人根据此结果完成抓取动作．在自采工件数据集上和实际搭建的分拣系统上进行实验，结果表明，该抓取系统能够对不同形状、弱纹理、散乱堆叠的物体实现快速的目标识别和位姿估计，位置误差可达1 mm，角度误差可达1°，其性能可满足实际应用的要求．

• 基于局部语义拓扑图的视觉SLAM闭环检测

  张括嘉, 张云洲, 吕光浩, 龚益群

  针对视觉SLAM（同步定位与地图创建）中现有的闭环检测方法容易产生假阳性检测的问题，利用YOLOv3目标检测算法获取场景中的语义信息，以DBSCAN（density-based spatial clustering of application with noise）算法修正错误检测和遗漏检测，构建语义节点，对关键帧形成局部语义拓扑图．利用图像特征和目标类别信息进行语义节点匹配，计算不同语义拓扑图中对应边的变换关系，得到关键帧之间的相似度，并根据连续关键帧的相似度变化情况进行闭环的判断．在公开数据集上的实验表明，目标聚类有效地提高了室内场景下的闭环检测准确性．与单纯利用传统视觉特征的算法相比，本文算法能够获得更加准确的闭环检测结果．

• 基于Dirichlet过程非参贝叶斯学习的高斯箱粒子滤波快速SLAM算法

  罗景文, 秦世引

  针对常规FastSLAM算法需要大量粒子创建地图以及粒子退化而导致计算复杂度高、难以提高估计精度等问题，提出了一种基于Dirichlet过程非参贝叶斯学习的高斯箱粒子滤波快速SLAM（同步定位与地图构建）算法．首先，改进了箱粒子滤波中以箱粒子为支撑集的均匀概率密度函数，采用高斯概率密度函数进行贝叶斯滤波，提高了估计的精度．在此基础上将Dirichlet过程非参贝叶斯学习应用于高斯箱粒子的重采样，既保证了有效箱粒子数，又能让箱粒子集中在高似然区域，降低了采样枯竭的影响．然后，利用基于Dirichlet过程非参贝叶斯学习的高斯箱粒子滤波进行机器人位姿估计，可有效降低地图创建所需的粒子数，并提高定位精度和实时性．进而采用无迹卡尔曼滤波更新地图特征，以提高地图创建的一致性．仿真结果和轮腿复合机器人实地实验结果验证了本文方法的可行性和有效性．

• 基于图像感兴趣区域的机器人闭环检测算法

  潘锡英, 何元烈, 孙盛, 陈佳腾

  基于深度学习的机器人闭环检测算法在复杂光照条件下具有一定的鲁棒性，但在视角变化明显的场景下检测效果不佳，为此本文提出一种利用图像感兴趣区域的闭环检测新方法．首先，通过多尺度感兴趣区域网络（MSRPN）获得图像中的感兴趣区域，用改进的PlaceCNN（基于Place数据集的卷积神经网络）提取感兴趣区域的特征．然后，采用先粗匹配后细匹配原则，提出一种基于RPOI_PlaceCNN（基于图像感兴趣区域的PlaceCNN）的闭环检测算法，并利用双向匹配对之间的空间约束，去除不正确的匹配对，以提高闭环检测的整体准确性．在GardensPoint、Mapillary、Norland三种公开数据集上对方法的有效性进行了实验验证．实验结果表明，本文提出的闭环检测算法在光照、视角和不同变化组合引起的显著变化场景下依然能表现出较强的鲁棒性．

• 基于直接法与惯性测量单元融合的视觉里程计

  刘艳娇, 张云洲, 荣磊, 姜浩, 邓毅

  针对直接法完全依靠梯度搜索来计算相机位姿、容易陷入局部最优的缺点，本文将惯性测量单元（IMU）数据紧密关联到图像跟踪过程，提供精确的短期运动约束和较好的初始梯度方向信息，并对视觉位姿跟踪结果进行校正，提高单目视觉里程计的跟踪精度．在此基础上，基于相机和IMU测量结果建立传感器数据融合模型，采用滑动窗口的方式优化求解，同时在边缘化过程中根据当前帧与上一关键帧之间的相机帧间运动大小，选择应边缘化的状态量和应加入滑动窗口的状态量，确保在优化过程中有足够准确的先验信息，确保优化融合的效果．实验结果表明，与现有的视觉里程计算法相比，本文算法在数据集上的定位角度累积误差在3°左右，位移累积误差小于0.4 m．

• 用于复杂管道内表面喷涂的冗余机器人轨迹避障规划

  华霄桐, 王国磊, 张思敏, 刘兴杰, 陈恳

  本文旨在系统地解决长臂冗余机器人喷涂复杂管道内表面的避障问题．首先基于空间插值提出在线碰撞检测方法，该方法不仅适用于不同形状的管道，而且检测精度随着模型采样密度的增加而增加．机器人末端连杆位姿由目标点位姿约束确定，不能通过机器人的冗余自由度进行避障调节．针对喷涂机器人末端必然碰撞情况，提出放宽目标点姿态约束的方法，利用碰撞检测确定末端最快避障方向，计算最小姿态变化矩阵，达到该情况下的避障要求．同时利用管道虚拟轴线与各关节最快避障方向优化冗余机器人其他关节的避障能力．喷涂复杂管道内表面的仿真实验验证了本文方法的有效性，解决了机器人末端必然碰撞问题，优化了机器人的避障能力．与现有方法相比，该方法可以处理更为复杂的管道避障问题．