基于faster R-CNN的服务机器人物品识别研究

传统的日用商品识别流程通常使用较为经典的图像识别和机器学习算法,如支持向量机（SVM）、随机森林或Adaboost,然后利用目标图像的梯度、纹理或颜色的基本特征来对日用商品进行识别,可以在比较简单的背景中得到应用,但是在复杂的背景环境中很难有比较突出的表现,并且难以达到较高的准确率。目前在目标识别中表现比较优异的是卷积神经网络（CNN）,并成为很多目标识别场景中的首选。考虑到服务机器人的硬件配置成本,将基于区域的卷积神经网络（R-CNN）的快速算法Faster R-CNN引入系统中,并以CPU计算的方式进行物品识别。利用CNN网络提取图像特征,在其后面接入一个区域提议层。实验结果表明,将深度学习的识别方法应用到服务机器人平台是可行的,识别效果准确,且在实验中得到较好的检测效果。     

基于语音识别的英语智能对话机器人人机交互系统设计

为进一步提升当前英语服务型机器人的人机交互效果,以语音识别为基本方法,提出一种英语智能对话人机交互系统。通过对交互系统的特征参数提取方法以及语音识别模型进行优化,同时结合对应的模块设计,一定程度上提升了交互系统的性能。仿真结果表明,与其他特征参数提取算法相比,本研究的LPMFCC特征参数提取算法的具有更高的识别率,达到了88.5%;与改进前的HMM模型相比,本研究提出的改进HMM模型能够更快完成训练且训练误差更低,仅需4次训练即可完成训练。以上结果表明了本研究提出的英语智能对话人机交互系统能够取得具有良好的性能,能够取得较好的人机交互效果,对于实际的设计具有一定的参考价值。     

生态翻译理念下智能翻译机器人机交互研究

针对当前翻译理念的改变,研究试图在生态翻译视角下,构建一种新的智能语音识别模型,并将其用于翻译机器人的人机交互系统中。首先构建了DNN-HMM生态语音识别模型,其次使用N-Gram模型优化英文连续文本的翻译,最后分别采用seq2Seq网络和GPT-2神经网络实现两种不同类型的人机交互。结果显示,DNN-HMM模型的平均识别错误率远远低于GMM-HMM模型,仅为3.2%。在多轮人机交互中,DNN-HMM模型的精确率在0.77～0.89之间、召回率在0.78～0.86之间、F1值在0.78～0.85之间,三项检测指标均优于GMM-HMM模型。测试DNN-HMM模型的交互响应时间,93%的单轮交互和94%的多轮交互响应时间均在1 s以内。结合上述指标可以说明此次所构建的语音识别模型能够很好地完成翻译机器人人机交互任务。     

基于视觉手势识别技术的智能窗帘研究

在Visual Studio 2010开发环境中以C++为编程语言,使用计算机视觉计算中的开源OpenCV库处理图像,判定手势运动方向,构造基于视觉手势识别技术的智能窗帘系统。通过调用Windows API函数实现PC与LPC2131之间的串口通信,从而通过控制步进电机的转动方向来实现窗帘的打开和关闭操作。系统具有人机交互界面良好、操作简单、窗帘的长度可自行设定等优点。     

基于智能语音交互的文言文翻译机器人关键技术

以语音交互为基础的翻译机器人,依托于固定关键词生成交互命令,使得文言文翻译结果双语替换测评(Bilingual Evaluation Understudy, BLEU)值较低。因此,提出基于智能语音交互的文言文翻译机器人关键技术。运用自然语言处理机制,对原始语音进行分词、词性标注等多方面处理。提出自动语音识别技术,结合语言模型和声学模型,对待翻译文言文语义进行准确预测,生成相应的交互命令。以循环神经网络为核心,构建机器翻译模型,并引入注意力机制,将网络单元改为双向循环模式,获取精准翻译结果。实验结果显示：所提文言文翻译机器人关键技术在实际应用中,使得BLEU值提升了31.47%、22.01%,更好地满足文言文翻译质量要求。     

基于手势识别的人机交互技术

文章将现有人机交互方法与基于计算机视觉交互方法进行了对比,列举了该交互技术的优点及可行性,并提出了一种利用摄像头采集手势进行人机界面交互的方法,研究了并进一步实现了基于图像的手势分析、识别等关键技术.通过一系列实验结果表明,基于文中技术实现的一套系统能够实时地跟踪手的运动,并识别出手势结果,实现实时的人机手势交互.     

救灾机器人目标导航中的视觉识别技术研究

笔者介绍了某型救灾机器人工作过程中视觉导航的要求,提出了采用张正友标定方法进行摄像机参数标定和目标环境下圆形旋转手轮的识别方法,详细介绍了利用MATLAB标定工具箱进行摄像机内参数和外参数的标定过程,最后采用改进的椭圆识别算法对手轮识别方法进行了验证,实验证明了该方法的有效性。     

基于全向视觉和前向视觉的足球机器人目标识别

为了快速正确地进行机器人的目标识别，首先介绍了RoboCup中型组足球机器人NuBot使用的全向视觉系统及其目标识别方法；然后通过引入一套简单的前向视觉系统来弥补全向视觉的不足，以提高机器人对其前方目标球的感知识别精度，同时给出了一种简单有效的前向视觉系统标定方法；最后介绍两套视觉系统共同工作的实现机制，以提高机器人的目标识别处理速度。实验结果表明，两套视觉系统能够很好地共同完成机器人的目标识别。     

基于视觉引导的智能英语翻译机器人人机交互系统

针对传统英语翻译机器人在多模态翻译中翻译准确率低、翻译语义出现歧义,导致人机交互效果不佳的问题,设计一个基于视觉引导的智能英语翻译机器人人机交互系统。在传统Transformer机器翻译模型和卷积神经网络的基础上,构建基于视觉信息的多模态机器翻译模型Universal MMT;然后基于该模型加入选择注意力,获得感知文本的视觉表示;利用编码器进行多模态门控融合,最终实现编码器翻译结果输出。实验结果表明,相较于其他机器翻译模型,本模型在Multi30K测试集中的BLEU和METEOR取值分别为44.9和62.8,均高于其他模型。在VATEX数据集上,本模型的BLEU值为35.66。由此可知,本模型加入选择注意力后可对上下文语义信息进行准确理解,翻译准确率显著提升。     

基于视觉标定的智能扫地机器人定位方法

传统机器人定位方法在定位过程中存在延迟,导致机器人定位误差较大,因此设计一种基于视觉标定的智能扫地机器人定位方法.标定基于双目立体视觉的摄像机,转换数据形式修正拍摄图像,在仿真软件上移动摄像机得到不同方向的运动方程,求出最优参数完成标定;对机器人的摄像头、红外传感器等机械设备进行确定,为定位提供准确的数据.实验结果表明...     

基于多传感器的机器人遥操作人机交互系统

为了增强机器人人机交互系统的自然性,提出了基于多种传感器的非接触式人机交互系统设计方案,系统通过检测操作者手部动作和手部位置姿态的变化实现机器人的遥操作。研制了肌电传感器,获取手臂上一对拮抗肌上的表面肌电信号,并以此来判断机器人操作者的部分手部动作;利用Kinect体感设备和惯性测量单元获取手臂三维位置和姿态角信息。通过网络将人手的动作及位置姿态发送至机器人控制系统,以完成对机器人的控制。系统综合多种传感器的优点,极大减小了传统接触式交互方式对操作者运动范围的限制,实现了自然交互,实验表明了其有效性。     

基于表情识别的人机交互系统研究与设计

本文在研究人机交互应用的基础上,设计出基于表情识别的人机交互系统,包括虚拟人表情产生模块、人脸表情识别模块及虚拟人语言表达模块。经试验发现,本系统运行稳定高效,并在识别人脸表情过程中有较高的准确率。     

基于机器人技术的智能化入出库系统研究

针对当前自动化立体仓库出入库系统效率不高的问题,将机器人技术引入到立体仓库的设计中,初步提出了一套较为完整的基于机器人视觉和控制技术的出入库系统方案.机器人视觉方面,实现了图像的预处理、图像分割、边缘检测和特征提取;机器人控制方面,将示教方式与远程方式相结合,既充分利用了图像处理的结果,又降低了机器人控制的复杂性.最后的实验结果证明了设计的可行性和实用价值.     

机器人视觉交流中的手势识别仿真

手势识别问题,是人与机器人交互中的关键部分。机器人视觉交流中的手势识别,对动作的准确跟踪是识别的难点,主要因为,人在做动作时,与机器人的反应之间存在较为明显的滞后性,对动作的跟踪很难及时准确,造成对整体的图像跟踪存在滞后性,导致传统的分析手势识别方法无法面向快速变化的群体手势特征,也无法进行准确的识别,提出了一种基于手部肤色特征的CAMSHIFT手势识别算法,通过色度直方图模型划分手部皮肤像素和非皮肤像素,获取手部肤色模型,采用摇动检测方法定位人手,依据手部肤色模型对所获取的手部区域进行分割,得到手部区域的二值图,使用改进的CAMSHIFT算法对手势进行跟踪,通过模式识别的方法对群体人手特征进行识别。实验结果说明,所提方法针对群体中的手势进行准确的识别,识别率高于93%,具有较高的应用价值。     

机器人卫星地面实验平台全局视觉系统

机器人卫星地面实验平台是研制机器人卫星的重要手段。本文针对所开发的机器人卫星地面实验平台，设计了全局视觉，完成机器人卫星姿态分析、目标和障碍物的识别与定位。     

基于视觉识别的机动车辆智能驾驶系统

将机器人视觉原理运用于对机动车辆智能驾驶的研究中,通过识别高速公路车道线的变化,使得车辆能够实现自动驾驶。由CMOS图像传感器摄取道路图像,采用小波处理、线性递推估计、波门跟踪滤波和二次拟合抽取车道线信息,从而得到行驶控制误差;控制命令通过串行232口发送到单片机上,驱动步进电机带动游戏杆转动来仿真实际的自动驾驶过程;获得了很好的实验结果。     

基于视觉引导的审计机器人错误识别自动检测系统设计

针对现有审计机器人的错误识别自动检测,审计精准较低的问题,对此,提出基于视觉引导的审计机器人错误识别自动检测系统设计方法。在总体结构模型的基础上,采用机器学习方法对审计对象的图像完成特征提取;设计审计机器人错误信息识别硬件集成;结合视频图像特征检测方法,建立系统的数据加载和记录模型,通过视觉引导技术和图像分析处理技术,构建智慧化视觉引导模型;基于视觉引导方法,实现对审计机器人错误识别自动检测。实验结果表明：所提方法的自动检测正确率较高,说明所提方法的技术水平和应用价值较高。