基于自主导航的自然人机交互系统及应用

摘要

机器人产业诞生于1956年，经过60多年蓬勃发展，机器人已经被广泛应用于各行各业。现如今随着“人工智能”时代的到来，结合取得重大突破的图像处理与计算机视觉等技术领域，机器人行业中的服务机器人开始逐步打开市场占据一席之地。本文提出了一种基于自主导航的自然人机交互系统，通过NAO机器人（简称NAO）作为应用终端载体，指定办公室作为应用场景，实现了NAO在场景内与测试者进行自然人机交互和自主导航的服务功能。 本系统主要分为2个模块，分别为场景内自主定位与导航模块以及自然人机交互模块，并将该系统搭载于NAO机器人实现一个智能办公助理系统应用。 首先，在场景内自主定位与导航模块中，分别涉及场景三维模型地图重建、场景内自主定位以及自主导航功能。本系统采用基于RGB-D SLAM的方法，利用Kinect采集的彩色图和深度图进行三维地图重建，并且在场景中标注参考点辅助进行自主定位，最后利用A-star算法与栅格地图规划运动路径，结合避障机制进行自主导航。 然后，在自然人机交互模块中，搭载本系统的机器人会在场景中进行基于自主定位技术的移动，并通过机器人摄像头对场景环境进行拍摄，一旦图像中出现人脸信息则利用人脸追踪技术对测试者人脸进行跟踪，并且调用自身运动机制移动到测试者面前进行面对面主动交互，完成对测试者身份认证后，结合语音交互技术和自主导航技术完成对测试者的引导访问。 最后，将本系统搭载于NAO机器人，场景设置为办公室，实现一个智能办公助理系统，通过NAO丰富的传感器及人工智能技术完成实际系统。

目录

第一个书签之前

摘 要

ABSTRACT

1.绪论

1.1 研究背景与意义

1.2 研究内容

2.国内外研究现状

2.1 服务机器人的发展现状

2.2 同步定位与建图技术的研究现状

2.2.1卡尔曼滤波SLAM

2.2.2 粒子滤波SLAM

2.2.3 图优化SLAM

2.3 路径规划技术的研究现状

2.3.1 全局路径规划

2.3.2 局部路径规划

2.4 本章小结

3.复杂场景下的自主定位与导航

3.1 室内场景三维地图重建

3.1.1 基于RGB-D图像的点云地图重建

3.1.2 基于RGB-D图像的点云地图重建实验结果

3.2 辅助参考点的自主定位

3.2.1 辅助参考点定位

3.2.2 辅助参考点定位实验结果

3.3 路径规划与自主导航

3.3.1 A-star算法与栅格地图实现路径规划

3.3.2 A-star算法与栅格地图实现路径规划实验结果

3.4 本章小结

4.多模态自然人机交互

4.1 机器人主动追踪交互

4.1.1 主动追踪场景中测试者人脸

4.1.2 人脸识别信息分类

4.2 机器人自然语音交互

4.3 机器人运动交互

4.4 本章小结

5.基于NAO机器人的智能办公助理系统

5.1 系统开发环境

5.1.1 自主定位与导航模块软硬件环境

5.1.2 自然人机交互模块软硬件环境

5.2 NAO机器人运动机制

5.3 实验结果

6. 总结与展望

6.1 全文总结

6.2 工作展望

致谢

参考文献

附录 攻读硕士学位期间项目参与情况