江 濤,楊觀賜,李 楊
(貴州大學現代制造技術教育部重點實驗室,貴陽 550025)
當前,移動機器人已經在工業生產、物流搬運和家庭服務等領域中扮演重要角色[1]。服務機器人作為移動機器人重要組成部分,通常工作于以人為中心的復雜環境中,這為服務機器人實現人機交互能力的提升帶來了挑戰,因此如何幫助服務機器人理解環境,在人類環境中達到良好的工作狀態是一個值得研究的問題。
針對服務機器人要求實時性以及智能化導航的特點,文獻[2-4]基于語義地圖提出了一種解決方案,其利用SLAM(simultaneous localization and mapping)技術建模三維點云空間環境,緩解了實時性以及智能化導航的問題。但由于其系統模型對算力要求高,實時性要求難以得到保證,難以實現機器人的實時導航。針對現有機器人語義地圖構建方法硬件要求高、可移植性差和不利于人機交互等問題,SUNDERHAUF等[5]探索了一種基于卷積神經網絡(CNN)的場所識別和語義地圖方法,其能夠識別廚房、辦公室、走廊等多個室內場所。但該方法對場景識別不夠準確,導致一些錯誤的語義映射結果。胡美玉等[6]提出了一種基于深度學習技術的移動機器人實時語義地圖構建方法,但這種方法所建立的語義地圖每個物體之間缺少關聯性,無法滿足機器人以人的習慣進行實體搜索要求。CRESPO等[7]提出了一種在室內環境中的語義導航,提出本體和包含在關系數據庫中的環境信息的設想,但其沒有明確定義房間和物體之間的關系。……