移动机器人认知地图中的空间上下文模型与算法研究

模仿人类的环境认知与学习机制，为移动机器人构建与人类相似的认知地图模型是机器人领域的一个研究热点。认知心理学与认知神经学的研究表明空间上下文与人类的认知地图密切相关，对人类的环境学习具有十分重要的作用。本研究拟在分析各种空间上下文信息内在联系的基础上，从便于移动机器人在地图创建中充分利用空间上下文信息同时进行局部环境类型识别与物体检测这个角度出发，通过将马尔可夫逻辑网扩展到连续空间，利用扩展马尔可夫逻辑网为移动机器人的认知地图构建一种具有层次化结构、可以双向推理的空间上下文模型，从而架起空间信息(地图)与空间上下文信息之间的桥梁。同时，探讨该模型学习中的知识迁移机制，为该模型设计具有知识迁移能力的增量式学习算法；以及多尺度时序蒙特卡罗采样(Monte Carlo Sampling)与假设检验相结合的推理算法。最后，在实际移动机器人系统中测试本研究提出的模型与算法的性能。

本研究在分析各种空间上下文信息内在联系的基础上，从便于移动机器人在地图创建中充分利用空间上下文信息同时进行局部环境类型识别与物体检测这个角度出发，构建了空间上下文之间的基本逻辑关系，并根据移动机器人认知地图构建的特点，设计了隐式双半马尔科夫随机场。利用该随机场，为移动机器人构建了一种具有层次化结构、可以双向推理的空间上下文模型。同时，探讨了空间上下文模型学习中的知识迁移为该模型设计了学习算法，以及多尺度时序蒙特卡罗采样(Monte Carlo Sampling)与假设检验相结合的推理算法。最后，开发了移动机器人认知地图创建软件，该软件将特征提取、文字检测与识别、目标识别与语义标注、人体姿态识别等几个模块有机地结合为一个整体；移动机器人认知地图创建软件的测试结果表明，利用本研究提出的空间上下文模型与学习和推理算法可以有效提高场景类型识别和目标识别的精度，可以构建高精度的认知地图，从而架起空间信息(地图)与空间上下文信息之间的桥梁。