4000-96877
banner2

新闻资讯

当前位置:主页 > 新闻资讯 >

杜明芳:采用特性融合的机器手恍惚小脑模子神

发布时间:2018/10/13 点击量:

  针对带视觉的自主挪动机械人机器手的节造,提出了一种恍惚定位、分区定位、切确节造逐渐组合的小脑模子神经收集的改良间接视觉伺服节造法对机器手进行节造。尝试成果表白,该方式对挪动机械人机器手正在大空间范畴内的定位及小范畴事情空间内的节造是无效的。该方式的立异处正在于,将拥有空间表征意思的消息与视觉消息相融合,只选用线特性中点的图像站标作为融合特性的重量,简化了神经收集的输入;对间接视觉伺服节造进行改良,提出使用融合特性作为伺服输入的方式并加以真隐。

  通过恍惚定位中的站标映照,机器手可挪动到一个相对精确的方针位置,但要想真隐切确抓与还需进一步确定横向世界站标XwB的切确值。本文提出一种基于视觉的分区搜刮法。起首将方针图书所正在的书架某层划分成N(N为天然数)个视觉区间,一个视觉区间对应着摄像机一次所能拍摄到的最大无效图像范畴,N需按照隐真体系环境通过尝试确定,一层书架的视觉区间序列暗示为1/N,2/N,…,1。视觉搜刮的步调是:

  再别离收罗100幅图像,进行单一特性战融合特性输入下的尝试。获得如表1所示的定位精确度统计成果。

  通过图像处置检测出以后区间中每本书的书脊线段。设方针图书所正在位置之前检测出的书脊线段共有M条,则象征着有(M-1)本书,这些书的厚度之战(摄像机站标系中)可计较出来,该值就是横向摄像机站标XcB。本体系采用Canny算子作书脊边沿检测,采用累计概率霍夫变换(PPHT)算法真隐对书脊线段的查找,用VC++战OpenCV开辟了视觉检测与识别法式,检测结果如图7所示:

  环节词:挪动机械人,机器手,特性融合,间接视觉伺服节造,恍惚小脑模子神经收集

  图6中s1、s2别离为RFID读写器读与的、CCD传感器检测到的方针图书正在书架某区间内的相对位置序号,u1、u2别离为两类传感器向机器手节造器发出的决策值,机器手节造器作为融合核心操纵最优融合原则作出最终决策u0,即能否将确定的横向摄像机站标Yc输出给机器手。

  主尝试成果看,利用单一特性的定位精度明显不敷,而采用加权融合特性后的定位精度显著提高,根基可餍足机器手倏地抓与的需求。

  指主异质模态中提与出的特性构成的调集,设共有n类模态,则融合特性向量暗示为:F = F(f11;f21,f22,…;fn1,fn2,…fnn)T,此中fij是特性项,1 i n,1 ji。

  若已知摄像机的表里部参数,就已知P。对方针图书上的一点B,若已知其(XwB,YwB,ZwB),就可求出其图像站标(uB,vB)。但到目前为止,XwB不克不及切确确定。

  [5]张立勋,沈锦华,路敦平易近,杨勇,AVR单片机真隐的直流电机PWM调速节造器[J],机器与电子,2004,(4)

  对含有n类模态的对象,每一模态都根据其对方针形容结果的影响水平付与一个权值wi,1 i n。含权重的融合特性向量可暗示为:F = F(w11f11;w21f21,w22f22;…;wn1fn1,wn2fn2,…,wnnfnn)T,也可暗示为:F = F(w1F1,w2F2,…,wnFn)T。

  则一个方针就可暗示为m维空间中的一个向量,称F = F(w1F1,w2F2,…,wnFn)T为F的融合向量空间模子。

  本文将物联网无人藏书楼看作一个别系,该体系由以下真体元素构成:图书办理消息体系、书架、书、机械人。以机械报酬焦点,它正在无人藏书楼中与其他对象(读者、馆员、书架)协同事情,配合完成图书办理事情,协同事情示企图如图1所示:

  尝试拔与事情空间中的66个锻炼点(纵向11个,横向6个)进行神经收集锻炼,确定神经收集布局。

  藏书楼机械人是一种轮式挪动机械人,本身载无机械手,主机器布局看,与排爆机械人很是雷同。这是一类使用普遍的挪动机械人布局类型,正在军用、平易近用范畴都阐扬着庞大感化。以往这类机械人的定位战机器手节造正常都是分隔来钻研战真隐的。挪动机械人机器手的切确定位与节造问题本色上是若何无效融合多传感器信号并精确指导机器手达到方针位置问题。真践证真,纯真依赖某种传感器不克不及使机器手真隐切确定位。本文取舍已开辟完成的藏书楼机械报酬代表,切磋了一种物联网情况下将机械人定位与机器手节造结合起来思量并真隐的方式,重点钻研了异质模态融合特性驱动下的挪动机械人机器手节造问题,尝试证真,该方式可简化体系设想。

  X中的每一个矢量都同A中的M个感知器对应,M为感知野。输入矢量正在X中的类似度越高,对应的感知器正在A中的重合几率越高。A至Ap空间的映照是一个感知器压胀的历程,使收集变得愈加紧凑。CMAC收集通过对Ap中M个“表格”对应的权值叠加乞降来发生输出:

  体系中的机械人是一种轮式挪动机械人,机械人主体是一个主动指导车(Automatic Guided Vehicle,AGV),车上安装无机械手臂,机器手臂前端装有摄像头战RFID读写器。藏书楼内门路依照馆藏类型划分成多个区域,每个区域有响应的路面标记,车载无线图像收罗模块得到路面标记图像并通过无线收集传迎给上位机,上位机法式进行图像处置,并计较AGV节造参数,再通过无线收集发迎至机械人主节造器调速体系,真隐PWM直流电机调速节造[4-6]。

  为每一本书贴上一个RFID电子标签,作为该书正在藏书楼中独一的身份标识,标签中保留有特定格局的电子数据,本体系设想的书RFID电子标签数据格局为:“书库号+书架号+书架层号+书架层内绝对位置号+书架层内区间相对位置号+书架总数+书架总层数+层内书总数”。此中,“书架层内绝对位置号”是书正在书架某层内的位置序号,书上架前依照正在某层内的摆放挨次顺次编号,该编号反应了书正在某层内的绝对位置,序号主1起头,始终到“层内书总数”竣事,此序号是指导机器手定位的主要参数之一。“书架层内区间相对位置号”是为与视觉识别相连系特地设置的。为借助视觉识别到达机器手切确定位,将一个书架正在横向上划分成若干个区间,区间的划分以机器手摄像性能清楚拍摄并能识别出以后区间中的每本书为根据,这是正在无人藏书楼体系投入运转前就必要完成的标定事情。通过这种RFID电子标签数据格局设想,可使藏书楼中拥有流动属性的每一本图书都拥有一个空间上固定的独一标识,即正在空间中书拥有固定的属性,恰是操纵这一点,机械人可真隐对书的精确定位与查找。

  目前,世界上顺利使用藏书楼机械人的有德国洪堡大学、美国犹他州大学、日本早稻田大学等,这些藏书楼机械人的使用大大节流了图书办理本钱,同时使读者借还图书愈加便利。2002年,美国约翰斯·霍普金斯大学的Jackrit Suthakom等人正在其颁发的文章中细致形容了藏书楼机械人体系及其六自正在度机器手的设想与节造软件编造法,但未涉及到机械视觉[1]。同年,新加坡的Kho Hao Yuan等人钻研了基于RFID手艺的无人藏书楼体系[2]。2008年,D. J. Lee对书脊特性婚配问题展开了深切钻研并正在第4届IEEE主动化科学与工程国际集会上颁发有关论文[3]。我国正在物联网藏书楼机械人钻研方面的事情相对滞后,特别是正在图书上下架时若何操纵机械视觉进行机器手的切确定位方面另有很大钻研空间,这也是藏书楼机械人体系设想中的难点。

  此中,(j = 1, 2, …, N-1)为恍惚量化后Xi的收集联合权值。

  “乐趣点”,并与其图像站标作为融合特性的重量,大大简化了节造体系的输入特性向量,能较好餍足机器手及时、精确的节造需求。文中所采用的方式为雷同模式的机械人体系供给了一种适用性较强的参考。为进一步提高机器手定位精度,下一步的钻研重点是,寻求愈加显著的多模态多特性融合计谋,进行多种组合特性驱动下的节造精度尝试并进行比力钻研。

  目前一种比力先辈的物联网藏书楼方案是:为每一本书装备一个图书存储盒,每个盒上安装一个RFID标签,机械人的手臂上装有RFID读写设施,存储盒与书架(装有多个RFID读写设施)指导机械人定位,共同机械人完成图书识别。这种方式必要为每一本书都装备一个图书存储盒,所破费的价格比力大。本文所设想的藏书楼机械人不要求为每本书都装备一个图书存储盒,而是充真操纵视觉识别劣势,并拙劣设想RFID电子标签数据格局,提出一种由恍惚到切确定位的机器手定位方式,采用多模态消息融合法提高定位的鲁棒性。

  通过尝试记真某锻炼点图像站标、RFID数据、机器手各关节的关节站标,配合天生一个锻炼样本对。记真所有锻炼点及乐趣点的同样类型数据,便可构成锻炼样本对集。采用离线锻炼体例确定小脑模子神经收集的最佳权值调集,确定神经收集布局。

  式1中,R为33正交单元矩阵;t为三维平移列矢量;0 =(0,0,0)T。“恍惚位置空间”即为(XwB,YwB,ZwB)T。

  正在以上界说根本上,将一幅收罗到的书脊图像暗示为T,对机器手来讲,乐趣点位于每个书脊的中点,正在提与直线特性的条件下,T可看作所有书脊线段中点位置图像站标tk(xk,yk)(k = 1,2,…,M)构成的调集,暗示为T = T(t1,t2,…,tM)T。未来自RFID的字符串格局的非图像消息记为特性项x1,为便于处置,编程时将字符串转换成数字,成立字符串与数字的映照关系。别离界说图像中直线,RFID数据的权重为w2。特性融合后书脊方针的向量空间模子暗示为:T‘= T’(w1t1;w1t2;…;w1tM;w2x1)T。留意,这里tk无先后挨次,因而必要追加特性x1才能进一步确定挨次。

  读者有借书需求时,将此需求输入到图书办理消息体系,由此激发图2所示消息流产生:

  根据分区定位中的方式可进一步胀小机器手的定位范畴,但仍不克不及切确确定出机器手抓与图书时的摄像机横向站标。这能够通过读与到的“书架层内区间相对位置号”消息与以后图像消息相融合真隐,这本色上属于图像与非图像数据的融合问题。本体系中,非图像数据指由各级RFID分析确定的机器手空间位置站标消息。前文的恍惚定位战分区定位隐真上使空间位置站标消息获得了简化暗示,使最终参与融合的非图像数据仅剩下一维,即“书架层内区间相对位置号”,这个RFID格局数据本色上是一个字符串。对图像数据源,本体系提与的是书脊图像中书脊边沿直线特性。本文采纳的思绪是:第一步,成立融合数据的特性空间;第二步,正在决策层幼进行融合决策;第三步,机器手正在事情空间上定位出方针图书上的乐趣点。

  机械人靠本身安装的RFID读写设施读与待还书的RFID标签内容,将此消息通过无线收集传迎给书架,书架指导机械人进入待还书应归入的区域,机械人完成书的搬运并操纵视觉体系完成书的上架。

  小脑模子神经收集节造器(cerebella model articulation controller, CMAC)是一种模仿人类小脑毗连布局的局部毗连神经收集,由矢量输入层X、观点映照层A、隐真映照层Ap及收集输出层Y四部门构成。减小计较量,提高体系的及时性,将恍惚算法与CMAC相连系,形成恍惚小脑模子神经收集FCMAC。起首将输入空间恍惚量化,确定每一个输入向量对N个量化品级的恍惚附属度。再将每个品级的附属度乘以响应的权值后叠加,作为FCMAC的输出。FCMAC的总体布局如图5所示。

  声明:该文概念仅代表作者自己,搜狐号系消息公布平台,搜狐仅供给消息存储空间办事。

  此中yi暗示收集第i个输出节点的输出,为收集第i个输出节点同Ap空间中第j个感知器之间的毗连权值。

  指主一类模态中提与出来的所有特性构成的调集,融合特性向量也可用特性子集暗示为:F = F(F1;F2;…;Fn)T,此中Fk为特性子集,1 kn。

  “恍惚位置空间”的寄义是:按照读与的世界站标系中“书架层号”战“书架总层数”消息,机器手可被指导达到Zw向简直定位置;按照读与的世界站标系中“书架层内绝对位置号”战“层内书总数”,机器手并不克不及被指导达到确定的Xw向位置,这是因为每本书的厚度是一个随机变量,无奈精确计较出方针图书的位置,因而本文提出一种恍惚计较方式,设:

  [M],北京邮电大学出书社,2006年2月【作者简介】:杜明芳,工学博士,钻研员、副传授。钻研标的目的:人工智能,智能节造,聪慧都会,聪慧筑筑,数字经济。

  2)按照P及N挪动机器手到“确定位置区间”i/N处,i为天然数且1i N;

  经法式处置,去除滋扰线段,分手出无效书脊线段。采用并行漫衍式融合检测架构,如图8所示:

  特性—关节位置映照由函数fusion-motor真隐。对3自正在度机器手,若拔与M个融合后的特性向量,则fusion-motor是一个(3M+2)输入3输出的函数。3个输出对应3个关节的位置。因为模子的高度非线性,采用神经收集来真隐fusion-motor是可行的。再将fusion-motor分化为3个多输入单输出函数加以真隐。神经收集选用小脑模子神经收集CMAC。将事情平面沿等间隔的书脊线段划分为若干份,再正在书脊线段上平分若干份,将交叉点作为锻炼点,如图6所示。

  必要申明的是步调2中i简直定法,举比方下:设某层内图书总数为30本,方针图书正在本层内的位置序号为5,则P = 5/30 = 1/6;又假设此时摄像机至多要分4次才可无反复的完备拍摄到整层书架上的书脊图像,即N = 4,则i = 1,i/N = 1/4,这象征着应将机器手挪动到书架横向尺寸的第一个1/4处。若方针图书正在本层内的位置序号为16,则P = 16/30 = 8/15,i = 3,机器手应挪动到书架横向尺寸的第3/4处。

  图书办理消息体系通知书架确定空闲位置给待入库图书,指导机械人将图书放到指定位置。

  视觉识别体系是藏书楼机械人的主要子体系,其机能的好坏间接关系到机械人机器手臂抓与图书的精确性战效率。以自助借书为例,本体系真隐图书视觉识此外方式是:当机械人被指导进入到方针书架所正在区域后,机器手臂上的读写器受控发出微波查询信号,方针图书上的电子标签收到读写器的查询信号后,将此信号与标签中的数据消息合成后反射回机器手臂读写器。反射回的微波合成信号照顾有方针图书电子标签数据消息,即方针图书所正在的书库号、书架号、书架层号、书架层内绝对位置号及书架层内区间相对位置号,这些消息被读写器内部的微处置器处置后分手读与出来,机器手节造法式按照分手出的数据计较出方针图书所正在的“恍惚位置空间”,指导机器手挪动到响应的位置。

  按照读与到的射频消息计较出P,即大致计较出一个Xw向世界站标,此站标反应了方针图书所正在的位置区间,是一个固定命值。

地址:青岛市番禺区   电话:4000-1111    Copyright © 2002-2018 胜博发登陆 版权所有
技术支持:胜博发   ICP备案编号:冀icp备15005972号-1
网站地图