基于Kinect傳感器的移動機(jī)器人環(huán)境檢測及行為學(xué)習(xí)①

段 勇盛棟梁 于 霞

?

基于Kinect傳感器的移動機(jī)器人環(huán)境檢測及行為學(xué)習(xí)①

段 勇②盛棟梁 于 霞

(沈陽工業(yè)大學(xué)信息科學(xué)與工程學(xué)院 沈陽 110870)

研究了一種基于深度圖像和強(qiáng)化學(xué)習(xí)算法的移動機(jī)器人導(dǎo)航行為學(xué)習(xí)方法。該方法利用機(jī)器人裝配的Kinect傳感器檢測工作環(huán)境信息，然后對獲取的深度圖像數(shù)據(jù)和視頻圖像進(jìn)行處理、融合和識別，并由此構(gòu)建機(jī)器人任務(wù)學(xué)習(xí)的狀態(tài)空間，最終利用強(qiáng)化學(xué)習(xí)方法實(shí)現(xiàn)移動機(jī)器人的導(dǎo)航任務(wù)的自學(xué)習(xí)。該方法的有效性通過實(shí)驗(yàn)得到驗(yàn)證。實(shí)驗(yàn)表明，該方法能夠使機(jī)器人具有較強(qiáng)的環(huán)境感知能力，并能夠通過自學(xué)習(xí)的方式掌握行為能力。

移動機(jī)器人導(dǎo)航， Kinect傳感器， 深度圖像， 強(qiáng)化學(xué)習(xí)(RL)

0 引 言

機(jī)器人學(xué)習(xí)是指機(jī)器人利用自身配置的傳感器，通過與環(huán)境的不斷交互來獲取知識并掌握完成任務(wù)的能力，它是使機(jī)器人具有生物智能的一種有效方式，對于提高機(jī)器人的智能水平、自動化程度以及對環(huán)境的適應(yīng)性具有重要意義。

在未知環(huán)境中機(jī)器人進(jìn)行的任務(wù)學(xué)習(xí)包括環(huán)境感知、自學(xué)習(xí)方法以及如何應(yīng)用學(xué)習(xí)方法實(shí)現(xiàn)機(jī)器人的任務(wù)執(zhí)行等關(guān)鍵問題。其中機(jī)器人裝配的傳感器的感知能力是機(jī)器人進(jìn)行一切工作的基礎(chǔ)和前提條件，目前在移動機(jī)器人導(dǎo)航領(lǐng)域應(yīng)用的傳感器主要包括：超聲測距傳感器、激光測距傳感器以及單目視覺、全景視覺、雙目視覺傳感器和3D激光攝像機(jī)等[1]。而近年來適用于移動機(jī)器人應(yīng)用的新類型傳感器不斷出現(xiàn)，其中Kinect傳感器的出現(xiàn)和應(yīng)用為機(jī)器人的研究提供了新的方法并受到了廣泛的關(guān)注[1-3]。Kinect是微軟公司于2010年推出的基于體感交互的傳感器設(shè)備，能夠?qū)崿F(xiàn)視頻圖像、深度數(shù)據(jù)、語音信號的獲取和處理，在人機(jī)交互、虛擬現(xiàn)實(shí)、語音識別、智能機(jī)器人等領(lǐng)域體現(xiàn)出了巨大的潛力[4-6]。Kinect傳感器能夠直接獲取彩色圖像數(shù)據(jù)和覆蓋區(qū)域的深度距離信息，因此與超聲、激光、單目視覺等常用傳感器相比能夠提供更為豐富的感知信息，同時也具有較好的使用和開發(fā)便利性，因此其研究和開發(fā)具有重要實(shí)用價值。有效的學(xué)習(xí)方法是機(jī)器人完成學(xué)習(xí)任務(wù)的關(guān)鍵。強(qiáng)化學(xué)習(xí)(reinforcement learning, RL)是一種重要的機(jī)器學(xué)習(xí)方法[7]，其學(xué)習(xí)目標(biāo)是實(shí)現(xiàn)狀態(tài)空間到動作空間的最優(yōu)映射策略，這與反應(yīng)式移動機(jī)器人導(dǎo)航方式有著天然的關(guān)聯(lián)，因此已成為一種有效的機(jī)器人自學(xué)習(xí)方法[8-10]。基于此，本研究給出了一種基于Kinect傳感器環(huán)境信息感知的移動機(jī)器人導(dǎo)航任務(wù)自學(xué)習(xí)方法。該方法首先對Kinect獲取的環(huán)境信息進(jìn)行處理、識別和理解，再根據(jù)導(dǎo)航任務(wù)需求，應(yīng)用強(qiáng)化學(xué)習(xí)方法來實(shí)現(xiàn)機(jī)器人的行為動作學(xué)習(xí)。本研究通過實(shí)驗(yàn)測試了機(jī)器人傳感器對環(huán)境的感知能力，并驗(yàn)證了機(jī)器人執(zhí)行導(dǎo)航任務(wù)的有效性。

1 Kinect系統(tǒng)原理及感知信息

1.1 Kinect傳感器介紹

Kinect傳感器如圖1所示，數(shù)據(jù)獲取器件從左至右分別是紅外激光發(fā)射器、彩色攝像頭和紅外接收器，分別用來獲取普通視頻圖像和深度數(shù)據(jù)[11,12]。

圖1 自主移動機(jī)器人及Kinect傳感器

1.2 環(huán)境信息的獲取與處理

Kinect傳感器獲取同一室內(nèi)場景的視頻圖像和深度數(shù)據(jù)映射圖像如圖2所示。為了方便觀察和利用深度數(shù)據(jù)，將其進(jìn)行可視化處理，每個像素的深度數(shù)據(jù)映射到顏色空間，顯示結(jié)果見圖2(b)，圖中不同灰度對應(yīng)不同的深度距離數(shù)值。圖中黑色像素用來標(biāo)識傳感器不能正確檢測的深度值，出現(xiàn)該問題的原因來自于Kinect傳感器本身的局限性。造成這些無效深度數(shù)據(jù)出現(xiàn)的情況主要包括環(huán)境中的凹形物體、物體邊緣、特殊材質(zhì)表面物體以及光照條件等。

無效深度像素通常會成塊出現(xiàn)，因此常規(guī)的圖像去噪方法難以解決該問題?；诖?，Silbeman等提出利用條件隨機(jī)場模型深度表示區(qū)域來實(shí)現(xiàn)室內(nèi)場景分割，以此消除Kinect采集的無效數(shù)據(jù)[13]。文獻(xiàn)[14]也給出了基于雙邊聯(lián)合濾波方法來填補(bǔ)深度圖像中的無效數(shù)據(jù)空洞。但以上方法需要較為復(fù)雜的運(yùn)算，將會影響機(jī)器人視覺等應(yīng)用領(lǐng)域?qū)μ幚韺?shí)時性的要求。因此我們在滿足需求的情況下折衷考慮性能和效率，使用無效數(shù)據(jù)相鄰區(qū)域同一行數(shù)據(jù)的均值來添補(bǔ)無效數(shù)據(jù)的方法，同時為了防止無效數(shù)據(jù)出現(xiàn)在邊緣的情況，使用水平雙方向進(jìn)行掃描，添補(bǔ)無效數(shù)據(jù)的深度映射圖像，如圖2(c)所示。

圖2 Kinect傳感器數(shù)據(jù)采集和處理

2 基于Kinect傳感器的機(jī)器人系統(tǒng)結(jié)構(gòu)

研究實(shí)驗(yàn)平臺使用博創(chuàng)公司的Voyager Ⅱ型移動機(jī)器人，如圖1所示。移動機(jī)器人導(dǎo)航問題可以認(rèn)為是機(jī)器人能夠根據(jù)傳感器獲取的環(huán)境信息，完成在有障礙物的環(huán)境中的特定任務(wù)。將自主移動機(jī)器人系統(tǒng)分為傳感器、主控系統(tǒng)、運(yùn)動機(jī)構(gòu)三層，Kinect傳感器層用于感知環(huán)境信息，將獲取的視頻圖像和深度數(shù)據(jù)傳遞給機(jī)器人主控系統(tǒng)；機(jī)器人主控系統(tǒng)進(jìn)行感知信息融合處理以實(shí)現(xiàn)障礙物的檢測以及目標(biāo)物的定位，然后基于感知信息進(jìn)行導(dǎo)航任務(wù)學(xué)習(xí)，學(xué)習(xí)后建立導(dǎo)航策略，再將決策指令發(fā)送給底層運(yùn)動結(jié)構(gòu)；運(yùn)動機(jī)構(gòu)控制機(jī)器人執(zhí)行避障、接近目標(biāo)等行為動作。

機(jī)器人檢測的環(huán)境信息主要包括完全未知的障礙物和具有已知顏色特征的目標(biāo)物。未知障礙物是機(jī)器人室內(nèi)工作環(huán)境的家具、墻壁等物體，已知特征目標(biāo)為機(jī)器人需要跟蹤的目標(biāo)物，

基于Kinect感知信息進(jìn)行多障礙物檢測方法如下：(1)建立環(huán)境地面模型，檢測多障礙物。由于Kinect獲取的深度數(shù)據(jù)反映了物體表面與傳感器的距離信息，因此當(dāng)傳感器俯仰角度不變的情況下，地面距離也保持不變。事先采集無障礙深度數(shù)據(jù)圖像作為地面模型，然后將檢測深度數(shù)據(jù)與地面模型進(jìn)行幀差，可初步檢測多障礙物。(2)根據(jù)Kinect測距原理和深度數(shù)據(jù)特性，利用障礙物深度圖像的邊緣特征和距離特征進(jìn)行障礙物的分割；(3)對Kinect深度傳感器進(jìn)行標(biāo)定(類似與針孔成像模型)，利用深度數(shù)據(jù)圖像的像素與空間位置關(guān)系確定分割障礙物的位置信息。(4)根據(jù)實(shí)際要求設(shè)定障礙物距離閾值，確定障礙物所在機(jī)器人視野中的區(qū)域，實(shí)現(xiàn)障礙物的檢測。檢測過程及結(jié)果如圖3所示，檢測后可獲得障礙物的距離信息和與機(jī)器人的相對方位信息。

圖3 基于Kinect傳感器的障礙物檢測

此外，在研究中選擇小球作為機(jī)器人跟蹤的可移動目標(biāo)，基于Kinect傳感器的目標(biāo)物檢測方法如下：(1)首先注冊視頻圖像和深度數(shù)據(jù)圖像，使得兩者在像素級上對應(yīng)。注冊后可以實(shí)現(xiàn)視頻數(shù)據(jù)和深度數(shù)據(jù)的信息融合，從而處理復(fù)雜機(jī)器視覺任務(wù)；(2)根據(jù)目標(biāo)物體的顏色特征進(jìn)行搜索和分割，包括顏色采集、確定顏色分割閾值、區(qū)域連通、像素搜索等操作，具體實(shí)現(xiàn)方法可參考之前的研究工作[15]；(3)基于二維圖像實(shí)現(xiàn)目標(biāo)的分割，但要確定目標(biāo)的三維空間定位，需要進(jìn)行攝像機(jī)標(biāo)定和幾何關(guān)系計(jì)算等復(fù)雜操作[15]。而Kinect傳感器為目標(biāo)空間定位提供了方便且精確的方法，只需根據(jù)視頻圖像獲取的目標(biāo)物像素坐標(biāo)位置，即可對應(yīng)深度數(shù)據(jù)圖像直接得到目標(biāo)位的距離信息。其檢測過程及結(jié)果如圖4所示，檢測后可以獲得目標(biāo)物的距離信息和與機(jī)器人的相對方位信息。

圖4 基于Kinect傳感器的目標(biāo)物檢測

3 移動機(jī)器人導(dǎo)航行為自學(xué)習(xí)

強(qiáng)化學(xué)習(xí)是一種基于感知環(huán)境信息獲取機(jī)器人導(dǎo)航行為能力的有效方法。它只需定義機(jī)器人的學(xué)習(xí)任務(wù)，再將機(jī)器人置于未知環(huán)境中通過自身的傳感器來獲取環(huán)境狀態(tài)，通過機(jī)器人與環(huán)境的交互來積累成功和失敗經(jīng)驗(yàn)，以試錯的方式不斷提高機(jī)器人的行為能力。本節(jié)將討論使用強(qiáng)化學(xué)習(xí)方法來學(xué)習(xí)移動機(jī)器人的躲避障礙物和接近目標(biāo)行為。

3.1 強(qiáng)化學(xué)習(xí)基本理論

定義智能體的狀態(tài)集合為S={st|st∈S}，它執(zhí)行的動作集合表示為A={at|at∈A}。在t時刻，根據(jù)智能體的狀態(tài)st，選擇并執(zhí)行動作at，導(dǎo)致智能體的狀態(tài)轉(zhuǎn)移到st+1，同時從環(huán)境得到強(qiáng)化信號rt，它對動作at的效能進(jìn)行評價。強(qiáng)化學(xué)習(xí)的任務(wù)是得到一個映射策略π:S→A。

在強(qiáng)化學(xué)習(xí)算法中，Q學(xué)習(xí)是最重要也是使用最廣泛的一種算法，它通過定義函數(shù)Q(s,a)來評估狀態(tài)相對應(yīng)的各個動作。Q學(xué)習(xí)算法的基本形式為[2,5]

-Q(st,at))·e(st,at)

(1)

其中，ηt為學(xué)習(xí)率，γ為折扣因子。e(st,at)定義為資格跡[7]，它主要用于解決強(qiáng)化學(xué)習(xí)的信度分配問題。

3.2 基于Kinect感知信息的強(qiáng)化學(xué)習(xí)方法

本文應(yīng)用表格型Q學(xué)習(xí)方法來使機(jī)器人學(xué)習(xí)避障和接近目標(biāo)行為的學(xué)習(xí)。表格型Q學(xué)習(xí)是將狀態(tài)空間和動作空間進(jìn)行離散化，再由離散的狀態(tài)變量和動作變量構(gòu)成查找表格，表格中的值為對應(yīng)的狀態(tài)-動作對的評估值Q。根據(jù)式(1)實(shí)現(xiàn)學(xué)習(xí)過程中Q值的更新，在學(xué)習(xí)結(jié)束后選擇具有最大Q值的動作和對應(yīng)的狀態(tài)變量形成映射策略。

(2)

式中d為障礙物與機(jī)器人的距離，該值可以通過第3節(jié)分割的障礙物所對應(yīng)的深度信息得到。在距離垂直劃分中，對于沒有障礙和距離劃分為“遠(yuǎn)”的機(jī)器人避障策略是相同的。

通過對特征目標(biāo)的識別和定位可以得到目標(biāo)相對于機(jī)器人的角度信息和距離信息，獲取后機(jī)器人可形成記憶位置信息，將其定義為狀態(tài)變量str和std。再根據(jù)機(jī)器人實(shí)際工作的需求將其進(jìn)行適當(dāng)?shù)碾x散化。

結(jié)合避障和接近目標(biāo)兩種行為，強(qiáng)化學(xué)習(xí)每個狀態(tài)變量可以定義為：st={sl,sc,sr,str,std}，分別用來表示機(jī)器人Kinect感知范圍內(nèi)左、中、右三個方向障礙物的距離狀態(tài)以及目標(biāo)的方位和距離信息，將其可能出現(xiàn)的各分量組合構(gòu)成狀態(tài)對應(yīng)序號編碼，并構(gòu)成表格型Q學(xué)習(xí)的離散狀態(tài)。

圖5 機(jī)器人行為學(xué)習(xí)狀態(tài)劃分

Q學(xué)習(xí)的動作空間由移動機(jī)器人運(yùn)行信息給出。移動機(jī)器人采用左右輪獨(dú)立驅(qū)動方式，其旋轉(zhuǎn)半徑范圍可從零(原地打轉(zhuǎn))到無限大(直線運(yùn)動)。機(jī)器人的運(yùn)動包括兩個部分：車體中心的平動和繞小車中心的轉(zhuǎn)動，機(jī)器人的基本運(yùn)動控制單元為左右輪速(左右驅(qū)動電機(jī)轉(zhuǎn)速)，表示為vl和vr。定義的Q學(xué)習(xí)動作變量為“宏動作”，具體分為直行前進(jìn)、左/右小轉(zhuǎn)、左/右大轉(zhuǎn)、原地左/右轉(zhuǎn)向，如圖6所示。每個宏動作通過給定的不同的左右輪速來實(shí)現(xiàn)。

圖6 強(qiáng)化學(xué)習(xí)動作變量

Q學(xué)習(xí)最重要的學(xué)習(xí)依據(jù)是強(qiáng)化信號函數(shù)(回報(bào))，它代表在一定狀態(tài)下選擇并執(zhí)行動作獲得的立即評估回報(bào)。對于機(jī)器人所要學(xué)習(xí)任務(wù)需要在避障的同時接近目標(biāo)，對于避障行為，希望機(jī)器人遠(yuǎn)離障礙物，因此機(jī)器人越接近障礙物，越應(yīng)該得到懲罰(負(fù)回報(bào))；相反，機(jī)器人應(yīng)該獲得獎勵(正回報(bào))。對于接近目標(biāo)行為，機(jī)器人接近目標(biāo)物應(yīng)獲得獎勵，而遠(yuǎn)離目標(biāo)則應(yīng)得到懲罰。綜合兩種行為需求，定義Q學(xué)習(xí)的強(qiáng)化信號(回報(bào))函數(shù)如下：

(3)

4 實(shí)驗(yàn)結(jié)果及分析

基于以上研究工作，對Kinect傳感器環(huán)境感知和利用強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)移動機(jī)器人導(dǎo)航任務(wù)學(xué)習(xí)進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)平臺采用VoyagerII自主機(jī)器人，系統(tǒng)開發(fā)使用Windows操作系統(tǒng)環(huán)境下C++語言的開發(fā)環(huán)境。系統(tǒng)操作界面如圖7所示，可以顯示傳感器采集的信息、處理結(jié)果、定位信息等，能夠?qū)崿F(xiàn)各種處理的操作，機(jī)器人的行為學(xué)習(xí)和導(dǎo)航控制等。

圖7 系統(tǒng)操作界面

實(shí)驗(yàn)環(huán)境為實(shí)驗(yàn)室的室內(nèi)場地，室內(nèi)環(huán)境的墻壁，障礙物和具有顏色特征的目標(biāo)球構(gòu)成基本的實(shí)驗(yàn)場景，通過改變障礙物和目標(biāo)物的位置來得到多個變化的實(shí)驗(yàn)環(huán)境。

4.1 移動機(jī)器人環(huán)境信息檢測實(shí)驗(yàn)

首先利用機(jī)器人裝配的Kinect傳感器進(jìn)行環(huán)境檢測實(shí)驗(yàn)并同常用超聲傳感器(聲納)檢測結(jié)果進(jìn)行比較。機(jī)器人通常配置多個聲納傳感器，每個傳感器按照一定的距離間隔分別安裝在機(jī)器人同一水平的圓周上，見圖1。首先使用超聲進(jìn)行環(huán)境檢測，環(huán)境中的障礙物如圖8所示，該障礙物正面接觸面積狹窄，同時下部還有一較低高度的橫梁，這類物體在室內(nèi)環(huán)境中十分常見。圖9為機(jī)器人超聲傳感器的檢測結(jié)果，圖中以標(biāo)靶圖的方式標(biāo)識出了機(jī)器人前方聲納的測距數(shù)據(jù)，顯示了傳感器并沒有完整地檢測出環(huán)境中的障礙物。說明聲納雖然檢測出圖中靠左側(cè)的立柱，但由于聲納測距角度分辨率較低，無法確定寬度較窄障礙物的具體方位信息。

圖8 機(jī)器人工作環(huán)境中的障礙物

圖9 基于超聲的障礙物檢測結(jié)果

同時，使用Kinect傳感器對于同一環(huán)境進(jìn)行檢測，Kinect傳感器獲取的深度數(shù)據(jù)進(jìn)行處理，分割出該障礙物，如圖10所示。可以Kinect傳感器能夠較為完整準(zhǔn)確地實(shí)現(xiàn)復(fù)雜障礙物的檢測，相對于機(jī)器人常用的超聲傳感器具有更強(qiáng)的感知能力和適用性。

圖10 基于Kinect傳感器障礙物檢測結(jié)果

此外，本研究利用Kinect傳感器的目標(biāo)定位方法，即通過融合自身獲取的彩色圖像和深度數(shù)據(jù)來實(shí)現(xiàn)，首先根據(jù)目標(biāo)顏色特征進(jìn)行分割，然后在像素級對應(yīng)深度數(shù)據(jù)圖像來獲得其距離信息。在完成目標(biāo)分割后就能夠直接從深度數(shù)據(jù)中得到目標(biāo)的相對距離值。實(shí)驗(yàn)中，分別進(jìn)行10次測量，每次改變目標(biāo)物(小球)和機(jī)器人的相對位置，求得多次定位相對誤差的平均值為1.1%，定位距離最大相對誤差為1.8%。

由于各傳感器的精度與工作距離有關(guān)，因此本文采用相對誤差來反映測距精度，實(shí)驗(yàn)中作為標(biāo)準(zhǔn)的精確數(shù)據(jù)通過單點(diǎn)激光測距儀(SW-40，精度±2mm)獲得。

4.2 移動機(jī)器人導(dǎo)航任務(wù)學(xué)習(xí)實(shí)驗(yàn)

強(qiáng)化學(xué)習(xí)后，基于最終的Q表確定狀態(tài)變量和動作變量的最優(yōu)映射策略，并用其來控制機(jī)器人執(zhí)行導(dǎo)航任務(wù)。圖11為在學(xué)習(xí)過程中，某一狀態(tài)—動作對應(yīng)的根據(jù)最大Q值進(jìn)行歸一化后的Q值變化曲線，表明了回報(bào)函數(shù)作用于Q值的更新，并最終使Q值到達(dá)最大值，實(shí)現(xiàn)了該狀態(tài)到動作的最優(yōu)映射策略。

圖11 強(qiáng)化學(xué)習(xí)中某一Q值變化曲線

圖12為在應(yīng)用學(xué)習(xí)策略控制機(jī)器人在仿真環(huán)境中的導(dǎo)航運(yùn)行軌跡，其中對機(jī)器人運(yùn)動和障礙物位置進(jìn)行模擬，目標(biāo)位置設(shè)定為已知?？梢姍C(jī)器人能夠在較為復(fù)雜的環(huán)境中完成避障且接近目標(biāo)。

圖12 機(jī)器人導(dǎo)航軌跡

此外，我們使用實(shí)體移動機(jī)器人進(jìn)行實(shí)驗(yàn)，通過改變目標(biāo)物的位置來得到多組目標(biāo)物的位置信息，其位置信息來自于上節(jié)的識別結(jié)果。其位置信息坐標(biāo)分別為：(3.55m, 7.10m)， (1.53m, 6.76m)，(5.32m, 6.81m)。然后分別進(jìn)行機(jī)器人導(dǎo)航實(shí)驗(yàn)，圖13顯示了其中一組的實(shí)體移動機(jī)器人在工作環(huán)境下的運(yùn)行情況，可見機(jī)器人可以按照較為優(yōu)化的路徑無碰撞地到達(dá)目標(biāo)。

圖13 移動機(jī)器人導(dǎo)航運(yùn)行過程

本文對于由障礙物和目標(biāo)物定義的強(qiáng)化學(xué)習(xí)離散狀態(tài)空間劃分沒有過于精細(xì)，主要原因是由于機(jī)器人車體、障礙物和目標(biāo)均具有一定的體積，特別是機(jī)器人接近時物體在圖像中會有較大的比例，因此會得到“遠(yuǎn)粗近細(xì)”的機(jī)器人控制效果，能夠滿足機(jī)器人工作的要求。此外，若劃分過細(xì)也會使得對應(yīng)的強(qiáng)化學(xué)習(xí)狀態(tài)空間過大，影響學(xué)習(xí)效率，引起維數(shù)災(zāi)難問題。

5 結(jié) 論

感知系統(tǒng)是機(jī)器人執(zhí)行一切工作任務(wù)的基礎(chǔ)，也是決定自主機(jī)器人智能程度的關(guān)鍵，Kinect傳感器的產(chǎn)生和應(yīng)用為移動機(jī)器人了解環(huán)境信息提供了更為有效、便捷的途徑?；诖?，本文研究了Kinect傳感器在移動機(jī)器人領(lǐng)域的應(yīng)用問題，給出了障礙物和目標(biāo)物的檢測及定位方法，彌補(bǔ)了傳統(tǒng)超聲傳感器和視覺傳感器在機(jī)器人環(huán)境感知方面的局限和不足。此外，本文提出了利用Kinect感知信息并基于強(qiáng)化學(xué)習(xí)的移動機(jī)器人復(fù)雜任務(wù)學(xué)習(xí)方法，該方法能夠在沒有專家知識和精確環(huán)境模型的條件下，利用傳感器感知環(huán)境信息，通過機(jī)器人自學(xué)習(xí)來掌握行為動作能力。因此，研究工作能夠有效地提高機(jī)器人的智能水平、學(xué)習(xí)能力和環(huán)境的適應(yīng)性，同時也能夠進(jìn)一步拓展到其他復(fù)雜任務(wù)的學(xué)習(xí)中。

[ 1]StoyanovT,MojtahedzadehR,AndreassonH,etal.Comparativeevaluationofrangesensoraccuracyforindoormobileroboticsandautomatedlogisticsapplications.RoboticsandAutonomousSystems, 2013, 61: 1094-1105

[ 2] 楊東方，王仕成，劉華平等. 基于Kinect系統(tǒng)的場景建模與機(jī)器人自主導(dǎo)航. 機(jī)器人，2012， 34(5)：281-589

[ 3]TolgyessyM,HubinskyP.TheKinectsensorinroboticseducation.In:Proceedingsofthe2ndRoboticsinEducation,Vienna,Austria, 2011. 143-146

[ 4] 劉鑫，許華榮，胡占義. 基于GPU和Kinect的快速物體重建. 自動化學(xué)報(bào)，2012，38(8)： 1288-1297

[ 5]HanJG,ShaoL,XuD,etal.EnhancedcomputervisionwithMicrosoftKinectsensor:areview.IEEETransactionsonCybernetics, 2013, 43(5): 1318-1334

[ 6] 羅元，謝彧，張毅. 基于Kinect傳感器的智能輪椅手勢控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn). 機(jī)器人，2012，34(1)：110-113，119

[ 7]SuttonRS,BartoAG.Reinforcementlearning:anintroduction.Cambridge:MITPress, 1998

[ 8]McPartlandM,GallagherM.Reinforcementlearninginfirstpersonshootergames.IEEETransactionsonComputationalIntelligenceandAIinGames, 2011, 3 (1): 43-56

[ 9]ChenCL,LiHX,DongDY.Hybridcontrolforrobotnavigation—ahierarchicalQ-learningalgorithm.IEEERobotics&AutomationMagazine, 2008, 15 (2): 37-47

[10]YamaguchiA,Takamatsu,OgasawaraT.OCOB:actionspaceforreinforcementlearningofhighDoFrobots.AutonomousRobots, 2013, 34(4): 327-346

[11] 余濤.Kinect應(yīng)用開發(fā)：用最自然的方式與機(jī)器對話. 北京：機(jī)械工業(yè)出版社，2013

[12]KhoshelhamK,ElberinkSO.AccuracyandresolutionofKinectdepthdataforindoormappingapplication.Sensors, 2012, (12): 1437-1454

[13]SilbermanN,FergusR.Indoorscenesegmentationusingastructuredlightsensor.In:ProceedingsoftheIEEEInternationalConferenceonComputerVisionWorkshops,Barcelona,Spain, 2011. 601-608

[14]CamplaniM,SalgadoL.Efficientspatio-temporalholefillingstrategyforKinectdepthmaps.Is&t/spieElectronicImaging, 2012, 8290(9): 841-845

[15] 段勇，徐心和. 自主足球機(jī)器人視覺系統(tǒng)結(jié)構(gòu)及關(guān)鍵技術(shù)研究. 東北大學(xué)學(xué)報(bào)(自然科學(xué)版)，2006, 27(1)：9-12

doi：10.3772/j.issn.1002-0470.2016.01.003

Mobile robot environment detection and behavior learning based on Kinect sensor

DuanYong,ShengDongliang,YuXia

(SchoolofInformationScienceandEngineering,ShenyangUniversityofTechnology,Shenyang110870)

Abehaviorlearningalgorithmformobilerobotnavigationbasedondepthimagesandreinforcementlearningisproposed.ThealgorithmusestheKinectsensoronamobilerobottocapturetheenvironmentaldataoftherobot,then,processes,fusesandidentifiesthedataofdepthimagesandvideoimagesamongthemtoestablishthestatespaceforrobotlearning,andfinally,usesthereinforcementlearningmethodtoimplementthemobilerobot’sself-learningofnavigationtasks.Theeffectivenessofproposedalgorithmwasverifiedbyexperiment.Theexperimentalresultsshowthatthemethodcanmakeamobilerobotpossesthestrongerabilityofperceivingenvironmentsandcapacityofmasteringbehaviorsbyself-learning.

mobilerobotnavigation,Kinectsensor,depthimage,reinforcementlearning(RL)

① 國家自然科學(xué)基金(60905054)，遼寧省高等學(xué)校優(yōu)秀科技人才支持計(jì)劃(LR2015045)和遼寧省自然科學(xué)基金(2015020010)資助項(xiàng)目。

2015-09-20)

10.3772/j.issn.1002-0470.2016.01.002

② 男，1978年生，博士，副教授；研究方向：智能機(jī)器人，計(jì)算機(jī)視覺，機(jī)器學(xué)習(xí)等；聯(lián)系人，E-mail: duanyong0607@163.com(