腐蚀/膨胀算法在足球机器人视觉系统中的应用

在FIRA MiroSot机器人足球比赛中,视觉系统是获得比赛场上机器人与球位置信息的唯一途径。视觉系统的识别速度、精度直接影响到比赛的胜负。针对传统视觉系统在机器人足球比赛中获取各实体的位置不够准确的问题,提出了一种结合数学形态学中腐蚀/膨胀算法来处理视觉系统中的实时图像,增加足球机器人视觉系统识别的精度的设计方案。实验结果表明,该方案在没有降低比赛中识别速度的前提下,大大地提高了识别精度。     

服务机器人新型双目视觉系统及结构参数标定的研究

构建了一种新型的满足服务机器人视觉任务需要的双目视觉系统,该系统是由一个云台(Pan/Tilt/Zoom,PTZ)摄像机和一个手眼系统组成的变基线双目配置,具有更大的视觉空间和灵活性。对该双目配置下实现目标定位的关键参数——双目结构参数的实时自标定方法进行了研究,提出了将大部分繁琐的坐标变换关系转移到离线环节标定的离线/在线二步标定算法。仿真实验表明,此方法可有效降低在线处理时对图像匹配点的数目要求,同时该双目系统对图像噪声和机械运动误差具有一定鲁棒性。     

机器人足球系统的误差分析及解决方法

由于摄像头不总在机器人的正上方，摄像头捕获的图像经过主机处理后，得到的机器人的坐标一般情况下是有误差的；另外，小车由于本身的原因也会产生走线误差。文章通过对这两种误差产生原因的分析，提出了校正方法．     

端到端的面向任务型对话系统多任务优化模型

在对话系统中的自然语言理解模块中存在着意图检测与插槽填充两个任务，这两个任务之间存在着极强的相关性，即插槽信息的生成高度依赖于意图信息。然而，现有工作大部分将其视为两个独立任务实现，导致对话系统的准确率无法得到进一步提升。为此，针对对话系统中意图检测任务与插槽填充任务之间的相关性信息，在已有工作的基础上提出了端到端的基于Stack-Propagation(堆栈传播)思想实现的网络模型。该模型在解码器阶段借鉴并改进了Stack-Propagation框架的思想，即将意图检测的结果加入到插槽填充任务的输入中，使用意图检测的结果去进一步指导插槽填充任务的进行。通过在斯坦福多领域对话数据集上进行实验，证明该模型不仅可以充分利用意图检测任务与插槽填充任务之间的相关性信息，还可以通过联合学习达到相互促进的效果，最终有效提高对话系统的准确率。