機器人智能技術(shù)論文(2)
機器人智能技術(shù)論文
機器人智能技術(shù)論文篇二
智能機器人視覺仿生技術(shù)研究綜述
摘要：機器人視覺仿生技術(shù)是機器人視覺控制領(lǐng)域的新熱點。本綜述在詳細分析了靈長類動物眼球運動的形式和特點基礎(chǔ)上，對國內(nèi)外應(yīng)用生物眼球運動控制機理來構(gòu)建仿生機器視覺的研究現(xiàn)狀、存在的問題及未來發(fā)展趨勢做了全面綜述，并針對目前機器人視覺仿生面臨的技術(shù)難題，提出了開展視覺仿生研究的新思路和新構(gòu)想。
Abstract： Robot vision bionic technology is the new hot shot in robot vision control area. In this review， based on a detailed analysis of primate eye movement forms and characteristics， the domestic and international research status of building bionic vision with the biological eye movement control mechanism， the problems and future trends are reviewed comprehensively， and new ideas for the visual bionic research are proposed for the current technical problems of robot vision bionic.
關(guān)鍵詞： 視覺仿生;仿生眼;機器人
Key words： bionic vision;bionic eye;robots
中圖分類號：TP391 文獻標識碼：A 文章編號：1006-4311(2013)26-0195-02
0 引言
智能機器人是指：具有感知、識別、推理和決策能力，并且能獨立執(zhí)行任務(wù)的機器人。感知和識別技術(shù)是智能機器人最為關(guān)鍵的技術(shù)。研究最多的是基于視覺傳感器的感知技術(shù)。比如美國波士頓動力公司研制的Big-Dog、Alpha-Dog、Little-Dog等系列四足機器人，采用立體視覺作為對環(huán)境進行識別和感知。意大利IIT大學研制的HyQ[2]機器人能夠在復雜地形條件下高速移動，都不同程度地利用視覺實現(xiàn)感知。盡管如此還是滿足不了人們對智能“雙眼”的追求，假如能給智能機器人配備一雙智能雙眼，使其能像人類一樣感知和獲取環(huán)境信息、快速準確地切換視眼和跟蹤目標，是人類對智能機器人夢寐以求的愿望。為此，人們采用多種基于計算機視覺的方法和手段來構(gòu)建初步具備“視覺”功能的視覺系統(tǒng)。但目前智能機器人“眼睛”的功能還是比較低級，特別是在雙目協(xié)調(diào)、以及對突然變化或事先未知的運動目標的跟蹤、大視野與精確跟蹤之間的矛盾以及由于震動引起的視線偏離補償?shù)确矫娴膯栴}到目前都沒得到很好的解決。近年來，視覺仿生成為前沿交叉學科的研究熱點。
由于生物視覺經(jīng)過千百萬年的進化已具有極其發(fā)達和完善的內(nèi)外環(huán)境適應(yīng)能力。根據(jù)模擬生物視覺不同的功能表現(xiàn)及不同的應(yīng)用場合，視覺仿生的研究可歸納為兩大方面：一是從視覺感知、認知的角度進行研究;二是從眼球運動、視線控制的角度進行研究。前者國內(nèi)外都有大量的研究方向和成果，主要研究視覺感知機制模型、信息特征提取和處理機制以及在復雜場景中目標搜索等。而后者是根據(jù)人類和其它靈長類動物的眼球運動控制機理來構(gòu)建智能機器人的“眼睛”，實現(xiàn)生物眼的多種優(yōu)異功能。
1 人類眼球運動的形式及特點
1.1 掃射與平滑追蹤運動
掃射是當雙眼自由地看周圍環(huán)境是，視線很快從一個注視點轉(zhuǎn)向另一個注視點。其潛伏期一般為200～250m/s，速度約為400b/s。Young等最早建立了掃視采樣模，輸入輸出分別為目標位置和眼球位置，Robinson修改了Young的模型，模擬大腦并行處理特性。當前眼位與目標位置之差經(jīng)過脈沖發(fā)生器進入并行通路，經(jīng)積分器后產(chǎn)生位置信號，與MLF直接通路共同作用于眼球運動裝置，產(chǎn)生掃射運動。平滑運動與掃射不同，屬于眼球運動速度的連續(xù)負反饋系統(tǒng)，兩者發(fā)生的時間是獨立的。當眼球追蹤一個運動物體時所發(fā)生的運動，使視線平滑地跟蹤目標。
1.2 反射性眼球運動
從驅(qū)動眼動的動力源來分的話，眼球運動有與注意有關(guān)的眼動(如saccades、smooth pursuit、vergence)和與頭動相關(guān)的眼動(即反射性眼動如VOR 和 OKR)兩類。2005 年，Merfeld和 Ramat 分析了利用仿生機器人 iCub robot 對兩種常見的 VOR 模型進行了模擬實驗，分析了小腦在自適應(yīng)特性及圖像穩(wěn)定中的重要作用。2007年Ojima指出，生物眼球運動具有典型的自適應(yīng)控制機制，能夠根據(jù)環(huán)境變化立即做出相應(yīng)的變化和適當?shù)捻憫?yīng)，受此啟發(fā)，提出一種非線性耦合神經(jīng)振蕩器網(wǎng)絡(luò)模型及空間-時間學習算法，獲得了平滑追蹤中指令信號與運動增益及相位滯后的關(guān)系，建立的平滑追蹤VOR 復合模型，改善了目標跟蹤特性。
1.3 注視轉(zhuǎn)移中頭眼協(xié)調(diào)運動
2009 年后，人們提出了頭眼協(xié)調(diào)運動的最優(yōu)控制方法，運用最優(yōu)控制理論研究了頭眼運動與注視轉(zhuǎn)移的關(guān)系，提出頭眼運動最小貢獻力為準則的最優(yōu)控制方法，并轉(zhuǎn)化為求解兩點邊值問題的微分方程組，仿真結(jié)果印證了“頭、眼分別受控制于不同的控制器”的結(jié)論。但該研究提出的模型不具備生物的自學習機能，在此基礎(chǔ)上提出了一種自學習最優(yōu)控制模型，在注視轉(zhuǎn)移過程中自適應(yīng)調(diào)整控制器參數(shù)，對于再現(xiàn)生物頭眼協(xié)調(diào)特性更近了一步。通過分析視覺重定位中頭、眼運動的實驗數(shù)據(jù)，提出建立頭眼協(xié)調(diào)運動模型還須考慮一些尚未解決的問題。進一步研究導致這些現(xiàn)象的神經(jīng)機制，才能揭示各運動子系統(tǒng)之間相互協(xié)調(diào)的本質(zhì)。
1.4 固視微動
人眼在注視靜止目標時，眼球仍處于高頻率無意識的振動之中，一旦振動停止，成像就會變得模糊，這種振動保證了圖像的獲取質(zhì)量。人眼的微動機制啟發(fā)人們?nèi)ツM眼球振動來改善圖像質(zhì)量。當人眼凝視靜止物體時，眼球自身的震顫(固視微動)具有突出物體邊緣的作用且包含深度信息。東京工業(yè)大學張曉琳先后建立了單眼和雙眼的水平眼球微動控制系統(tǒng)的模型，使眼球微動模型可以用于機器人眼的設(shè)計制造和控制上，并在此基礎(chǔ)上制作了一對具有與雙眼微動控制系統(tǒng)模型相同的機器人眼實驗?zāi)Ｐ汀Ｊ聦嵣?，生物眼球運動在大多數(shù)情況下是包含上述多種運動成分的復合運動。此外，人們還研究了眼球運動系統(tǒng)中神經(jīng)積分器的作用、眼球運動的腦干控制機理，眼球運動與感知，以及眼球-頭頸的運動學和動力學特性等，仿生眼的研究在國外成為前沿研究熱點。 2 仿生視覺面臨的問題及對策
目前機器人眼的研究多是基于工學方法，利用左右攝像機獲得目標圖像分別進行處理，左右眼和頭頸缺乏協(xié)調(diào)聯(lián)動機制，在雙目、頭眼協(xié)調(diào)運動、視線偏離補償、不確定目標追蹤等方面存在諸多技術(shù)障礙，采用仿生技術(shù)是尋求解決這些問題的重要途徑。
2.1 建立完善的仿生眼模型
基于國外生理學研究成果，采用工程仿生學和控制理論相結(jié)合的方法，將視覺控制生理模型轉(zhuǎn)化為工程技術(shù)模型，實現(xiàn)生物視覺的優(yōu)異性能，從根本上解決機器視覺面臨的技術(shù)難題，是智能機器人研究的重要方向。目前文獻中的仿生眼模型只模擬了人眼的一種或兩種運動，且多為單眼或雙眼一維水平運動。普遍采用掃視與平滑追蹤分離的機制，難以同時實現(xiàn)多種眼球運動。進一步研究各種眼球運動之間的內(nèi)部關(guān)聯(lián)與神經(jīng)機理，建立多自由度非線性仿生雙眼運動模型，同時實現(xiàn)掃視、平滑追蹤、異向運動和反射運動等多種眼球運動，尚需進行大量的研究。
2.2 引入生物神經(jīng)控制機理
當進行大幅度視線轉(zhuǎn)移時，機器人的關(guān)節(jié)冗余需要有效地協(xié)調(diào)頭部和雙目的運動。目前提出的頭眼協(xié)調(diào)運動系統(tǒng)及學習算法多是基于水平方向的二維頭眼系統(tǒng)，雖有學者提出3D頭眼協(xié)調(diào)運動控制算法，但采用的是先雙目聚焦，再轉(zhuǎn)動頭部，后做眼睛補償?shù)?ldquo;分時”“分段”執(zhí)行方法，并未真正實現(xiàn)頭眼同時轉(zhuǎn)向目標中的協(xié)調(diào)控制。目前3D頭眼協(xié)調(diào)運動仍是一項有待突破的技術(shù)難關(guān)。從生物頭眼協(xié)調(diào)運動中獲取靈感，研究靈長類動物頭、眼和身體協(xié)調(diào)組合完成視線轉(zhuǎn)移的神經(jīng)控制機理，設(shè)計雙目頭頸協(xié)調(diào)運動控制算法，解決機器人3D頭眼協(xié)調(diào)控制問題不失為一條重要的研究途徑。
2.3 研究人眼跟蹤目標的機理
機器人“眼”的重要功能之一是視覺跟蹤，目前常采用視覺伺服反饋控制的方法，但對于突然、快速變化以及行蹤無常的目標，常出現(xiàn)目標丟失、跟蹤失敗的現(xiàn)象。人眼在跟蹤變化無常的目標中表現(xiàn)出的非凡才能源于其視覺系統(tǒng)中眼球快速掃視和慢速平穩(wěn)追隨之間的協(xié)調(diào)配合和實時切換。深入研究人類眼球運動模式自動切換快速準確跟蹤目標的神經(jīng)生理機制，將視覺跟蹤中掃視(saccade事件驅(qū)動)和平穩(wěn)追隨(smooth pursuit，速度連續(xù)驅(qū)動)模式的切換看作混雜系統(tǒng)的自適應(yīng)最優(yōu)控制問題加以研究，以期解決隨意性運動目標跟蹤的快速性和準確性問題。其中兩種模式之間的最佳切換時機和預(yù)測算法是研究的關(guān)鍵技術(shù)。
2.4 模擬人類反射性眼球運動機理
機器人在顛簸路段行走或在復雜的非結(jié)構(gòu)化環(huán)境中作業(yè)時，自身機體振動或姿態(tài)發(fā)生變化會引起較大的視線偏離。通常采用圖像處理(特征提取、目標檢測與匹配、空間位置計算等)的方法來調(diào)節(jié)伺服機械云臺，但補償范圍小，圖像穩(wěn)定性差，尚無解決大視線偏離的辦法。人眼具有很強的自適應(yīng)和自調(diào)節(jié)功能，當頭部和身體姿態(tài)發(fā)生變化或背景動態(tài)變化時，仍能清楚地注視和跟蹤目標，緣于其前庭動眼反射(VOR)和視動反射(OKR)機能。研究人類反射性眼球運動機理，建立由基于視網(wǎng)膜滑動信息的反饋控制器和基于前庭輸入的前饋控制器組成的自適應(yīng)VOR-OKR模型，主動補償由機器人姿態(tài)本體變化引起的視覺誤差，解決機器人大范圍視覺偏差補償問題。
3 結(jié)論
機器人的視覺技術(shù)是機器人的共性技術(shù)，也是一項關(guān)鍵技術(shù)。仿生型機器人眼運動控制系統(tǒng)使機器人眼具備人眼的諸多特殊自然功能，將其投入機器人產(chǎn)業(yè)應(yīng)用將開創(chuàng)仿生學在機器人技術(shù)領(lǐng)域嶄新的應(yīng)用前景。
參考文獻：
[1]Erkelens CJ.A dual visual-local feedback model of the vergence eye movement system[J].Journal of Vision，2011，11(10)：21：1-14.
[2]毛曉波.仿生機器眼運動系統(tǒng)建模與控制研究[D].鄭州：鄭州大學，2011.
[3]Robinson DA.Models of the saccadic eye control system[J].Kybernetik，1973，14(2)：71-83.
看了“機器人智能技術(shù)論文”的人還看：
3.機器人科技論文
5.人工智能科技論文