技术中心

随着社会的发展,社交型服务机器人(Social Robot)逐渐进入人们的日常生活,他们通过在日常环境中与用户进行近距离交互,引起用户的社交行为来提供服务。与人交互的能力是这类机器人的重要能力,交互能力不仅体现在机器人具有丰富的感知能力和响应能力,还要求机器人能够在不同的场合做出合适的交互行为。目前这类机器人往往只能由专业技术人员针对特定的应用领域进行研发,而机器人的智能水平还没有达到自主适应不同场合的程度,因此影响了机器人的普及。本文以在公共场合提供服务的社交型服务机器人与人交互(Human-Robot Interaction,HRI)作为研究对象,从两个方面开展研究来提高服务机器人的人机交互能力:(1)研究如何提高机器人的感知能力,包括人体检测、人体跟踪和交互状态识别的能力;(2)研究如何由用户根据应用场合的需要更新交互知识来更新机器人的交互功能,使机器人适应不同的交互场合。zui终实现了将机器人作为一个具有丰富感知能力和响应能力的平台,让用户通过直观描述交互知识的方式去开发机器人的交互功能,提高机器人的交互能力。主要的研究内容和成果概括如下:(1)为了增强机器人与人交互过程中前景检测的鲁棒性,对现有的背景减除方法进行了改进。以图像颜色、亮度和边缘特征的变化作为图像参数来评估输入图像和前景检测结果。通过避免使用可能破坏背景模型的图像进行背景模型的更新、使用系统检测状态更新背景模型被破坏的概率、以及及时重建被破坏的背景模型等三种方式保证背景减除法能够使用正确的背景模型来检测人体前景。实验结果表明,在人机交互的人体前景检测中,该方法能够有效降低背景模型被破坏的概率并提高现有背景减除法的鲁棒性。(2)针对机器人在与人交互过程中对人体目标的跟踪容易受到周围其它人体干扰的问题,提出了一种改进的融合均值偏移的粒子滤波跟踪算法。该算法将所有干扰区域看作候选目标,通过建立基于重叠率的粒子分布模型,确保粒子集可以通过均值偏移收敛到所有的候选目标,并减少粒子数量。以权重距离总误差和目标尺寸作为聚类条件,将粒子划分到相应的候选目标粒子集中,zui后选择*的候选目标作为跟踪结果。实验结果表明,该方法能够避免周围相似物体的干扰并准确跟踪目标,具有较好的鲁棒性和实时性。(3)针对多人交互环境下摄像头的移动会容易导致错误跟踪到其它相似人体的问题,提出了基于局部背景特征点的人体目标定位和跟踪算法。通过对特征点模型、特征点匹配方法和特征点与目标位置关系的研究,利用相邻两帧之间目标与周围特征点的位置关系对目标的位置进行初步定位,然后以该位置为搜索起点,结合粒子滤波和均值偏移方法获取目标的候选区域,zui后根据候选区域和位置的距离对候选区域的相似度加权,将加权后相似度zui高的候选区域作为跟踪结果。实验结果表明,结合局部背景特征定位的跟踪算法具有更好地跟踪效果,并且满足实时性的要求。(4)提出了基于贝叶斯网络的人机交互状态识别方法,使机器人能够及时识别交互状态的变化,提前做好准备来改善交互体验。首先,建立人机交互状态迁移模型并定义了交互状态迁移条件,得到人机交互状态的计算方法;然后建立基于人脸朝向和人脸运动信息的交互趋势贝叶斯网络模型。对人脸朝向状态节点、运动状态节点的动态状态概率计算方法进行了研究后,根据贝叶斯网络推理方法得到交互趋势的状态概率;zui后研究了人机交互状态迁移模型所需的人脸和运动等特征数据的获取方法。通过对人机交互状态识别的研究,为下文的人机交互系统框架在感知方面的应用做了准备。(5)提出了面向用户编程的服务机器人人机交互系统框架,实现由用户编写交互知识的方式更新机器人的交互功能。首先,提出了基于抽象环境的人机交互软件体系结构,对体系结构的组成和抽象环境的运行机制进行了研究。然后,在该体系结构的基础上设计基于交互知识的场景文件及其解析器,并研发了面向用户编程的机器人交互功能开发平台。zui后,研发了实验平台,对用户更新机器人功能以及人机交互状态识别的算法进行了实验验证。结果表明,平台所提供的交互状态识别结果符合实际交互状态的变化,用户能够通过编辑交互知识的方式更新机器人的功能。