一种基于鼠脑海马的情景认知地图构建及导航方法

    公开(公告)号:CN106949896B

    公开(公告)日:2020-05-08

    申请号:CN201710336981.0

    申请日:2017-05-14

    IPC分类号: G01C21/20

    摘要: 一种基于鼠脑海马的情景认知地图构建及导航方法,属于机器人环境认知及运动导航技术领域。当机器人在探索到的位置放电率大于位置细胞放电阈值的时候需记录下放电信息Pfire,位置信息Plocation,环境情景信息O,并将信息记录在情景认知地图上。通过情景认知地图上储存的空间信息完成机器人导航,即从起始位置到具体情景中的具体物体位置的导航。本发明能使机器人自主探索环境,将环境信息变成机器人的情景认知地图,根据认知地图制定相应导航策略。整套系统取得较好的空间认知效果,可应用于工厂、家庭、实验室等室内环境和街道等室外环境的情景认知地图构建及导航。

    一种基于鼠脑海马空间细胞的机器人导航地图构建方法

    公开(公告)号:CN106125730B

    公开(公告)日:2019-04-30

    申请号:CN201610540175.0

    申请日:2016-07-10

    IPC分类号: G05D1/02 G01C21/00

    摘要: 一种基于鼠脑海马空间细胞的机器人导航地图构建方法,根据哺乳动物海马结构中的空间导航相关细胞的信息传递回路,机器人通过对环境探索,获取当前的自运动线索和颜色深度图像信息,自运动线索经由海马结构中空间细胞的路径积分和特征提取,渐进的形成对空间环境的编码,位置细胞的位置野在探索过程中逐渐形成,并覆盖整个空间环境,形成认知地图,与此同时,Kinect采集当前位置正前方视图场景的颜色深度图像信息作为绝对参考,进行路径的闭环检测,纠正路径积分的误差。在闭环点处,系统进行空间细胞放电活动的重置,对路径积分误差进行修正。最终的导航地图上的节点包含的是位置细胞群编码信息、对应的视觉线索以及位置拓扑关系。

    一种基于鼠脑海马的情景认知地图构建及导航方法

    公开(公告)号:CN106949896A

    公开(公告)日:2017-07-14

    申请号:CN201710336981.0

    申请日:2017-05-14

    IPC分类号: G01C21/20

    摘要: 一种基于鼠脑海马的情景认知地图构建及导航方法,属于机器人环境认知及运动导航技术领域。当机器人在探索到的位置放电率大于位置细胞放电阈值的时候需记录下放电信息Pfire,位置信息Plocation,环境情景信息O,并将信息记录在情景认知地图上。通过情景认知地图上储存的空间信息完成机器人导航,即从起始位置到具体情景中的具体物体位置的导航。本发明能使机器人自主探索环境,将环境信息变成机器人的情景认知地图,根据认知地图制定相应导航策略。整套系统取得较好的空间认知效果,可应用于工厂、家庭、实验室等室内环境和街道等室外环境的情景认知地图构建及导航。

    一种基于鼠脑海马空间细胞的机器人导航地图构建方法

    公开(公告)号:CN106125730A

    公开(公告)日:2016-11-16

    申请号:CN201610540175.0

    申请日:2016-07-10

    IPC分类号: G05D1/02 G01C21/00

    摘要: 一种基于鼠脑海马空间细胞的机器人导航地图构建方法,根据哺乳动物海马结构中的空间导航相关细胞的信息传递回路,机器人通过对环境探索,获取当前的自运动线索和颜色深度图像信息,自运动线索经由海马结构中空间细胞的路径积分和特征提取,渐进的形成对空间环境的编码,位置细胞的位置野在探索过程中逐渐形成,并覆盖整个空间环境,形成认知地图,与此同时,Kinect采集当前位置正前方视图场景的颜色深度图像信息作为绝对参考,进行路径的闭环检测,纠正路径积分的误差。在闭环点处,系统进行空间细胞放电活动的重置,对路径积分误差进行修正。最终的导航地图上的节点包含的是位置细胞群编码信息、对应的视觉线索以及位置拓扑关系。

    一种基于鼠脑海马结构认知地图的仿生导航方法

    公开(公告)号:CN107063260B

    公开(公告)日:2021-03-30

    申请号:CN201710180995.8

    申请日:2017-03-24

    IPC分类号: G01C21/20 G06N3/04 G06N3/08

    摘要: 本发明一种基于鼠脑海马结构认知地图的仿生导航方法,属于仿生学技术领域。首先基于条纹细胞构建网格细胞网格野模型、其次基于网格细胞构建单一位置细胞位置野模型,最后构建大鼠脑内“认知地图”。在所构建认知地图的基础上,构建一个包含有输入层、位置细胞层、动作细胞层和输出层的前馈神经网络模型,并且采用Q学习算法来实现大鼠面向空间环境某一目标导航任务。本发明方法可广泛应用到仿生机器人导航、人工智能等诸多领域。

    一种基于改进光流算法的移动机器人导航方法

    公开(公告)号:CN107065866A

    公开(公告)日:2017-08-18

    申请号:CN201710181009.0

    申请日:2017-03-24

    IPC分类号: G05D1/02

    摘要: 本发明公开了一种基于改进光流算法的移动机器人导航方法,属于机器视觉应用领域。通过结合灰度守恒和梯度守恒假设,应用双边滤波和局部加权的方法定义了新数据项,建立光流计算模型,并运用多分辨率分层细化的方法处理物体大位移运动情况。接着从光流场中获取相对深度TTC,应用人工势场模型,通过目标的坐标与机器人的末端位姿,构建目标物体的引力势场函数;通过TTC构建障碍物的斥力势场函数,在这两个势场的共同作用下实现机器人避障并朝着目标运动的目的。本发明改进了传统的光流算法,避免了各种遮挡、光源变化、噪声和大位移等因素的影响,提高了光流算法的精度,并且能用于实时的机器人,使其能在未知、复杂的环境中完成躲避障碍物并朝目标移动。