智能机器人“人-机-环境”交互及系统研究

摘要

近年来，在“机器换人”、“无人工厂”、“工业4.0”的大背景下，关于机器人的“人-机-环境”交互及智能作业系统的研究是智能机器人的研究热点之一。本论文研究智能机器人“人-机-环境”交互及系统。提出一种“人-机-环境”交互的智能机器人推理机制。在该推理框架下，对其中的三维语义地图生成过程中的特征描述子进行简化使其兼顾匹配效率和准确率，对其中的地图匹配算法进行优化实现智能交互。机器人能够面向没有任何编程经验的非专业用户、能够实现人机语音交互、能够自动实时的感知环境、能够实现基于三维情景的自主推理与交互、以及实现得到明确作业期望后的自动作业。为了验证本文提出的推理机制，本文搭建了一个“人-机-环境”交互的验证平台，设计了不同的场景来对本文的算法进行验证，并针对机械臂末端精度低的问题，提出了一种基于IMU(Inertial Measurement Unit)末端姿态精确测量的迭代姿态补偿算法，实现低精度机械臂的高精度控制。
　　本研究的主要工作如下:
　　(1)提出一种“人-机-环境”交互的智能机器人推理机制，以CBR-BDI(Cased-Based Reasoning-Belief-Desire-Intention)推理机制为基础，以用户的中文语音作为用户期望的输入，实现人机交互;采用Kinect来获取三维场景的点云信息并产生语义地图文件，语义地图文件作为推理机的另外一个输入，实现机器人与环境的交互。
　　(2)在“人-机-环境”交互的智能机器人推理机制中，为了在三维物体识别中兼顾匹配效率与准确率，本文研究三维语义地图生成过程中的局部特征描述子的简化算法。将二进制简化的思想应用于三维视觉识别中的特征描述子的简化中。本文提出一种基于格雷码的二进制特征描述子简化模型，该模型通过选择不同的简化参数(简化单元L和格雷编码位数N)可以产生不同的简化描述子。为了验证本文提出的简化模型，本文将简化模型应用于当前主流的局部特征描述子SHOT(Signature of Histogram of OrienTations)的简化中，得到一种内存占用率低、匹配效率高的新的局部特征描述子G-SHOT。
　　(3)为了提高“人-机-环境”交互的推理机制的智能交互能力，提出一种对话与三维情景交互算法。通过基于主题树的案例属性的表示、基于机器人语言的案例解决方案的表示以及对话与三维情景交互算法，实现当用户期望不完整或与场景不匹配时的人机对话与引导;用户反馈的信息用于补充/更正之前的不完整或不匹配的期望，直至产生规范化的完整期望并生成解决方案。
　　(4)提出一种基于惯性测量单元的末端姿态补偿算法，实现了低精度机械臂的高精度控制。搭建“人-机-环境”交互的系统验证平台，验证了算法的有效性。
　　本文所研究的“人-机-环境”交互的智能机器人推理机制，让机器人拥有了感知(语音交互、环境交互)、思考(推理)的能力，让人机交互变得更加方便和轻松。

目录

声明

摘要

第1章 绪论

1．1 课题的研究背景与意义

1．2 国内外研究现状介绍

1．2．1 智能机器人推理机制国内外现状

1．2．2 特征描述子简化的国内外现状

1．2．3 智能交互算法国内外现状

1．2．4 机械臂末端误差补偿国内外现状

1．3 本文的主要工作

1．4 章节安排

第2章 基于CBR-BDI的“人-机-环境”交互的推理机制

2．1 引言

2．2 CBR推理机制

2．2．1 案例的表示与检索

2．2．2 案例的重用、修正和存储

2．3 CBR-BDI推理机制

2．4 基于CBR-BDI的“人-机-环境”交互的推理机制

2．4．1 语音的识别与语音合成

2．4．2 三维语义地图生成

2．4．3 用户期望属性与语义地图的匹配

2．5 本章小结

第3章 “人-机-环境”交互中局部特征描述子优化

3．1 引言

3．2 局部特征描述子的简化算法

3．2．1 SHOT和B-SHOT特征描述子简介

3．2．2 B-SHOT特征描述子存在的问题

3．2．3 一种基于格雷码的二进制特征描述子简化方法

3．3 实验与讨论

3．4 本章小结

第4章 “人-机-环境”交互中的对话与三维情景交互算法

4．1 引言

4．2 对话与三维情景交互算法

4．2．1 基于主题树的案例属性的表示

4．2．2 基于机器人语言的案例解决方案的表示

4．2．3 地图匹配

4．2．4 期望分析

4．2．5 引导

4．3 实验与讨论

4．4 本章小结

第5章 “人-机-环境”交互的验证平台设计、机械臂末端误差补偿以及系统集成验证

5．1 引言

5．2 “人-机-环境”交互的验证平台软硬件结构

5．3 验证平台模块化机械臂简介及其误差补偿

5．4 “人-机-环境”交互系统集成测试实验

5．4．1 三维语义地图生成实验

5．4．2 推理验证实验

5．4．3 分拣苹果实验

5．5 本章小结

第6章 结论与展望

6．1 研究总结与主要创新点

6．2 研究展望

致谢

参考文献

附录