基于Kinect视觉传感器的助老跟随机器人设计

随着人口老龄化现象凸显,针对助老服务的机器人发展迅速,发展前景广阔,越来越多的助老服务机器人走入家庭,针对老年人行走行为中突然加速或消失的行为,提出利用机器人跟踪及预警技术的助老机器人平台研究方案。该平台搭载视觉传感器、控制器、显示屏、声光报警器等硬件设备,基于ROS系统和MeanShift算法实现跟踪,同时对跟踪过程中出现的异常进行预警信息显示及告警,经检验该方案的跟随助老机器人平台可实现跟踪、预警功能,方案可行性高,可以保障老年人的行为安全。     

助老伴行机器人的触滑觉驱动控制系统设计开发

为了帮助老年人能够更加柔顺自然的与助老伴行机器人之间进行交互,设计开发了一种基于触滑觉感知的助老伴行机器人驱动控制系统。首先提出了助老伴行机器人触滑觉驱动控制系统的总体设计方案;然后设计开发了一种触滑觉感知系统,并以助老伴行机器人机械本体为基础设计搭建了完整的驱动控制系统;提出并研究了一种基于BP神经网络的助老伴行机器人驱动模式识别方法。最后,对整个系统进行集成并进行了试验。结果表明：为助老伴行机器人设计开发的触滑觉驱动控制系统是完全可行的,能够实现老年人与助老伴行机器人之间的驱动控制功能。     

老有所依的智能化生活（六）

近十年,服务机器人发展迅速,特别足服务于老年人、残障人士的助老助残机器人产品,在全世界兴起研究热潮。2009年6月,我国由国家高技术研究发展计划（863计划）支持的、先进制造技术领域“服务机器人”重点项目——助老／助残机器人系统集成、监控与产品综合展示平俞——正式进入实施阶段。该项目依托北京市海淀区四季青镇敬老院和上海市第一社会福利院构建综合展示环境,围绕老年人生活、健康、交流和监护的重要需求,集中演示助老助残服务机器人共7个课题的高技术成果和产品,并结合其他先进的安全监护技术,建立老人智能居室、康体中心和信息监控中心,构建室内外网络化监护环境,展示老年人利用高技术装备、提高生活质量的新模式,引领助老助残机器人产业的发展。     

老有所依的智能化生活（五）

近十年,服务机器人发展迅速,特别是服务于老年人、残障人士的助老助残机器人产品,在全世界兴起研究热潮。2009年6月,我国由国家高技术研究发展计划（863计划）支持的、先进制造技术领域“服务机器人”重点项目——助老／助残机器人系统集成、监控与产品综合展示平台——正式进入实施阶段。该项目依托北京市海淀区四季青镇敬老院和上海市第一社会福利院构建综合展示环境,围绕老年人生活、健康、交流和监护的重要需求,集中演示助老助残服务机器人共7个课题的高技术成果和产品,并结合其他先进的安全监护技术,建立老人智能居室、康体中心和信息监控中心,构建室内外网络化监护环境,展示老年人利用高技术装备、提高生活质量的新模式,引领助老助残机器人产业的发展。     

老有所依的智能化生活(一)

近十年,服务机器人发展迅速,特别是服务于老年人、残障人士的助老助残机器人产品,在全世界兴起研究热潮。2009年6月,由国家高技术研究发展计划(863计划)支持的先进制造技术领域"服务机器人"重点项目——助老/助残机器人系统集成、监控与产品综合展示平台——正式进入实施阶段。该项目依托北京市海淀区四季青镇敬老院和上海市第一社会福利院构建综合展示环境,围绕老年人生活、健康、交流和监护的重要需求,集中演示助老助残服务机器人共7个课题的高技术成果和产品,并结合其他先进的安全监护技术,建立老人智能居室、康体中心和信息监控中心,构建室内外网络化监护环境,展示老年人利用高技术装备、提高生活质量的新模式,引领助老助残机器人产业的发展。这是国内第一个依托敬老院建立的助老助残机器人产品综合应用展示平台,预期的各项目标均已实现,2012年9月顺利通过科技部验收。     

助老助残机器人综合应用展示平台——展示全方位科技养老

本文助老助残机器人综合应用展示平台以敬老院环境为基础,建立老人智能居室、康体中心和信息监控中心,构建室内外网络化监护环境,并集中展示助老助残机器人成果和产品,为老年人提供良好的生活照料及护理,示范了全方位的科技养老.     

老有所依的智能化生活(二)

编者按:近十年,服务机器人发展迅速,特别是服务于老年人、残障人士的助老助残机器人产品,在全世界兴起研究热潮。2009年6月,我国由国家高技术研究发展计划(863计划)支持的、先进制造技术领域"服务机器人"重点项目——助老/助残机器人系统集成、监控与产品综合展示平台——正式进入实施阶段。该项目依托北京市海淀区四季青镇敬老院和上海市第一社会福利院构建综合展示环境,围绕老年人生活、健康、交流和监护的重     

面向人机交互的快速人体动作识别系统

针对在Kinect平台利用人体动作进行人机交互的时效性问题,提出了一种基于时间序列相似性的快速人体动作识别方法。通过Kinect获取人体全身20个关节点,提取关键点的空间三维坐标,转化成特征向量,该特征向量模型能很好地对全身动作进行表示;在动作识别方面提出了一种快速动态时间弯曲距离（Fast Dynamic Time Warping,F-DTW）算法,解决了因动作速度不同导致的两时间序列在时间轴上不一致的问题,通过引入下界函数和提前终止技术对算法进行加速优化,解决动作识别的时延问题,从而能快速地控制机器人;定义20种动作进行识别,平均识别速度较传统算法大大提高,验证了方法的有效性,满足与机器人交互的要求。     

银发科技时代(三)

编者按:未来老年人怎么生活?特别是老龄化社会的到来,人们如何利用高科技手段提高老年人的生活质量?本刊今年特别邀请科技部服务机器人项目的总负责单位撰稿,将连续6期分别对助老服务机器人需求分析及生活服务、保健康复、休闲娱乐、监控管理及清洁卫生等几个方面进行报道。本期的主要介绍的是在服务机器人辅助下的新型老年人保健康复。     

基于空间金字塔的镜头检测

提出一种HSV颜色直方图与像素的位置空间金字塔结合的方法,该方法既考虑像素的信息,又考虑了像素的位置信息,来进行视频镜头分割。将图像进行一次亚采样,对得到的第一层亚采样图像进行均匀的四分割;对得到的四块小区域分别计算其颜色直方图,获得四个特征向量;将第一层亚采样的图像再进行一次亚采样,得到第二层亚采样图像,并计算其颜色特征向量;将五个特征向量级联,作为图像帧的特征,并计算相邻两个帧的相似度。该算法不仅考虑了像素信息,还考虑了像素位置信息,而且考虑的是全局位置信息和局部位置信息。实验结果显示,该方法较好地权衡了查全率和查准率。     

Classifying Environmental Features From Local Observations of Emergent Swarm Behavior

Robots in a swarm are programmed with individual behaviors but then interactions with the environment and other robots produce more complex, emergent swarm behaviors. One discriminating feature of the emergent behavior is the local distribution of robots in any given region. In this work, we show how local observations of the robot distribution can be correlated to the environment being explored and hence the location of openings or obstructions can be inferred. The correlation is achieved here with a simple, single-layer neural network that generates physically intuitive weights and provides a degree of robustness by allowing for variation in the environment and number of robots in the swarm. The robots are simulated assuming random motion with no communication, a minimalist model in robot sophistication, to explore the viability of cooperative sensing. We culminate our work with a demonstration of how the local distribution of robots in an unknown, office-like environment can be used to locate unobstructed exits.      

智能体Petri网融合的多机器人?多任务协调框架

为解决异构的服务机器人团队为多位老人服务时的协调问题以及在此过程中如何最大化老人的总体满意度, 提出了一种服务于多人的多机器人?多任务协调框架. 首先, 结合时延Petri网和颜色Petri网提出了可扩展时延?颜色Petri网(Scalable timed-colored Petri net, STdCPN)对养老院情境下服务机器人照顾老人的过程进行建模. 然后, 将老人的感受和情绪作为机器人照顾老人时的重要指标, 构建了服务对象满意度模型. 最后, 设计智能体来实现该协调框架的调度, 该智能体通过考虑老人“个人因素” 和机器人的实时状态、位置等信息来对任务进行合理的规划调度, 使机器人帮助老人完成任务的同时, 最大化老人总体满意度.     

移动机器人扩展卡尔曼滤波定位与传感器误差建模

针对里程计在定位过程中存在累积误差的问题,建立了一种通用的移动机器人里程计误差模型,对里程计误差进行实时反馈补偿.在利用激光雷达进行环境特征提取过程中,根据激光雷达原始数据存在的误差,建立了激光雷达的观测误差模型,并根据环境特征和机器人的相对位置关系,建立了移动机器人观测模型.最后,结合里程计和激光雷达误差模型,利用扩展卡尔曼滤波(EKF)实现了基于环境特征跟踪的移动机器人定位.实验结果验证了里程计和激光雷达误差模型的引入,在增加较短定位时间的情况下,可以有效地提高移动机器人的定位精度.     

适用于家庭服务机器人的倒地人体检测方法

人体检测是家庭服务机器人的一项基本功能.本文针对复杂家庭环境,倒地人体面临地上杂物的干扰、遮挡等情况下,提出一种结合三维点云分割和局部特征匹配的倒地人体检测方法.该方法对点云进行分割之后将每个物体横向切分成若干段,对每段点云采用局部特征匹配并分类,并根据匹配段数来判断是否为倒地人体.实验结果表明,该方法在0.3秒的检测时间内,实现平均误识别率低于10%的高检测率,满足服务机器人实时性要求的同时具有良好的鲁棒性,即使人体部分被遮挡,依然可以检测到各种倒地姿态的人.     

Autonomously learning to visually detect where manipulation will succeed

Visual features can help predict if a manipulation behavior will succeed at a given location. For example, the success of a behavior that flips light switches depends on the location of the switch. We present methods that enable a mobile manipulator to autonomously learn a function that takes an RGB image and a registered 3D point cloud as input and returns a 3D location at which a manipulation behavior is likely to succeed. With our methods, robots autonomously train a pair of support vector machine (SVM) classifiers by trying behaviors at locations in the world and observing the results. Our methods require a pair of manipulation behaviors that can change the state of the world between two sets (e.g., light switch up and light switch down), classifiers that detect when each behavior has been successful, and an initial hint as to where one of the behaviors will be successful. When given an image feature vector associated with a 3D location, a trained SVM predicts if the associated manipulation behavior will be successful at the 3D location. To evaluate our approach, we performed experiments with a PR2 robot from Willow Garage in a simulated home using behaviors that flip a light switch, push a rocker-type light switch, and operate a drawer. By using active learning, the robot efficiently learned SVMs that enabled it to consistently succeed at these tasks. After training, the robot also continued to learn in order to adapt in the event of failure.     

Hybrid classification engine for cardiac arrhythmia cloud service in elderly healthcare management

The self-regulation ability of the elderly is largely degenerated with the age increases, and the elderly often expose to great potential hazards of heart disorders. In practice, the electrocardiography (ECG) is one of the well-known non-invasive procedures used as records of heart rhythms and diagnosis of unusual heart diseases. In this paper, we propose a healthcare management system, named CardiaGuard, which is specialized in monitoring and analysis the heart disorder events for the elderly. The CardiaGuard cloud service is an expert system designed based on the hybrid classifier implemented using support vector machine (SVM) and random tree (RT) classification algorithm. We conduct a comprehensive performance evaluation which shows the proposed hybrid classification engine are able to detect six types of cardiac disorders with higher accuracy rate than the SVM-based classifier alone. CardiaGuard poses a great solution to enhance the quality of good clinical practice on the healthcare management for the elderly in cardiology.     

Oracle-based flocking of mobile robots in crash-recovery model

This paper considers a system of autonomous mobile robots that can move freely in a two-dimensional plane, and where a number of them can fail by crashing. The crash of a robot can be either permanent or temporary, that is, after its crash the robot either executes no action or it recovers from its failure. These robots repeatedly go through a succession of activation cycles during which they observe the environment, compute a destination and move. In particular, we assume weak robots, in the sense that robots cannot communicate explicitly between each other. Also, they cannot remember their past computations (i.e., they are oblivious). Finally, robots do not agree on a common coordinate system.In this paper, we address the fault-tolerant flocking problem under the crash-recovery model. That is, starting from any initial configuration, a group of non-faulty robots are required to form a desired pattern, and move together while following a robot leader moving on some trajectory, and keeping such a pattern in movement. Specifically, we propose a fault-tolerant flocking algorithm in the semi-synchronous model that allows correct robots to dynamically form a regular polygon in finite time, and maintain it in movement infinitely often. Our algorithm relies on the existence of two devices, namely an eventually perfect failure detector device to ensure failure detection, and also an eventual leader device to handle leader election. The algorithm tolerates permanent crash failures, and also crash-recovery failures of robots due to its oblivious feature. The proposed algorithm ensures the necessary restrictions on the movement of robots in order to avoid collisions between them. In addition, it is robust with respect to changes in the environment.     

基于运动方向的异常行为检测

提出了一种基于运动方向的异常行为检测方法. 根据不同行为的运动方向具有不同的规律性, 该方法采用块运动方向描述不同的动作, 并利用支持向量机(Support vector machine, SVM)对实时监控视频进行异常行为检测. 为了减少噪声运动的影响, 同时有效保留小幅度运动的前景目标, 在行为描述之前, 本文采用了背景边缘模型对每一视频帧进行前景帧(有目标出现的视频帧)判断. 在行为描述时, 先提取相应视频段的所有前景帧的块运动方向, 然后对这些运动方向进行归一化直方图统计得到该视频段的行为特征. 在走廊等公共场景中的实验结果表明, 该方法能够对单人以及多人的复杂行为进行有效检测, 对运动过程中目标大小的变化、光照的变化以及噪声等具有较好的鲁棒性, 而且计算复杂度小, 能够实现实时监控.