云机器人支持的复杂物体检测技术的研究与实现

• 作 者: 车慧敏
• 出 处: 国防科技大学
• 发表日期: 2004年期
• 关键词: 云机器人 物体检测 深度神经网络 图像合成 图像识别

机器人物体检测是指在给定目标物体名称或特征的情况下,由机器人基于机器视觉等手段,在其传感器范围内中定位目标物体的过程。它是机器人物品拿取、搜索、警戒等任务的基础性使能技术,在机器人领域有着至关重要的意义。当前,机器人物体检测主要针对由简单标签描述的物体(如“咖啡杯”),通过图像识别和匹配等手段完成。在现实生活的很多场景中,物体检测指令往往是由一组标签和修饰词组成的复杂物体描述(如“一个在电视机柜旁边的灰色咖啡杯,上面有个勺子”)。由于这种复杂语义描述的动态性、可变性和不确定性,使得现有基于图像识别的方法面临严峻挑战,很难满足真实应用的需要。本文将这上述涉及复杂语义描述的检测任务称为复杂物体检测。真实世界中的复杂物体检测是典型的数据密集型的任务,需要大量知识的支持。同时,基于深度学习等物体检测算法也需要消耗大量计算资源。云机器人可望为这类数据和密集型任务提供有效支持。本文以基于云机器人的复杂物体检测为研究对象,针对多修饰属性的单个物体、多修饰属性的组合物体两类复杂物体,展开如下研究:(1)提出了基于图像主动合成的复杂物体检测方法。该方法针对多修饰属性的单个物体检测任务,通过生成式对抗网络合成可能的目标图像,而后将合成的图像与机器人在现实场景中采集的图像匹配实现物体检测。实验表明,该方法在部分CUB数据集上测试的mAP约为60.83%,相对于传统物体检测算法有显著提升。(2)提出了基于图像语义解析的复杂物体检测方法。该方法以多修饰属性的组合物体检测为目标,对当前机器视觉图像中的物体及其组合关系进行语义分解,然后将语义信息与输入的复杂语义描述匹配。实验表明,该方法能够较好处理多修饰属性的组合物体检测问题,在VOC数据集上测试的mAP达到68.20%。(3)提出了上述两种方法在云机器人架构下的能力扩增机制。基于云机器人架构,提出了前述方法的计算卸载机制,以及检测过程中基于互联网数据的检测能力在线扩增方法。在提出上述方法基础上,本文实现了云机器人复杂物体检测原型系统,在公开数据集以及现实场景采集的数据上展开实验,对工作进行了全面的验证。