專(zhuān)利名稱(chēng)：一種位置細(xì)胞仿生機(jī)器人導(dǎo)航算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種位置細(xì)胞仿生機(jī)器人導(dǎo)航算法。根據(jù)哺乳動(dòng)物海馬位置細(xì)胞的導(dǎo)航策略制定自主運(yùn)行機(jī)器人導(dǎo)航算法?？捎糜谥悄芮鍧嵉孛鏅C(jī)器人，戰(zhàn)場(chǎng)搜救機(jī)器人等。
背景技術(shù)：
哺乳動(dòng)物(如大鼠，人等)花費(fèi)大量的時(shí)間從一個(gè)地點(diǎn)移動(dòng)到另一個(gè)地點(diǎn)。有目的的移動(dòng)需要對(duì)動(dòng)機(jī)、空間進(jìn)行編碼。動(dòng)物對(duì)空間和動(dòng)機(jī)的編碼是穩(wěn)健的。關(guān)于其機(jī)制的研究對(duì)人工智能領(lǐng)域有重要的啟示?！罢J(rèn)知地圖”是指動(dòng)物對(duì)空間信息的內(nèi)在表達(dá)方式。認(rèn)知地圖可以通過(guò)一系列的地標(biāo)來(lái)表達(dá)。在十幾秒鐘到幾分鐘的過(guò)程中能夠熟悉環(huán)境并準(zhǔn)確記憶?！拔恢眉?xì)胞”是海馬中的錐體神經(jīng)元，當(dāng)動(dòng)物環(huán)境中的某個(gè)局部位置時(shí)發(fā)放率較高，離開(kāi)這個(gè)位置發(fā)放率幾乎為零。位置細(xì)胞有如下屬性1、在新的環(huán)境里，位置細(xì)胞能夠迅速建立；2、位置野(位置細(xì)胞發(fā)放對(duì)應(yīng)的位置)穩(wěn)定，同樣地位置細(xì)胞編碼相同的位置，甚至幾個(gè)月后仍然穩(wěn)定；3、位置野并不緊緊依賴(lài)于視覺(jué)信息，在黑暗的環(huán)境也有效；4、遠(yuǎn)處路標(biāo)的位移和旋轉(zhuǎn)引起位置野的位移和旋轉(zhuǎn)；5、相同的位置細(xì)胞可能在不同的環(huán)境發(fā)放，有完全不同的位置野；6、位置細(xì)胞受到頭方向細(xì)胞的調(diào)制。

發(fā)明內(nèi)容
本發(fā)明根據(jù)腦海馬中的位置細(xì)胞編碼策略，提供了一種位置細(xì)胞仿生機(jī)器人導(dǎo)航算法。為達(dá)到以上目的，本發(fā)明是采取如下技術(shù)方案予以實(shí)現(xiàn)的基于特征的路標(biāo)識(shí)別。首先利用攝像頭得到特征點(diǎn)，其次利用特征點(diǎn)獲取位置信息。通過(guò)特征點(diǎn)加上位置信息建立路標(biāo)方向角網(wǎng)絡(luò)。圖像是用低分辨率的全景鏡頭獲取。 圖像經(jīng)過(guò)梯度化去除亮度干擾。梯度圖像與雙高斯差算子卷積進(jìn)行特征識(shí)別。路標(biāo)神經(jīng)元學(xué)習(xí)路標(biāo)。對(duì)于每一個(gè)路標(biāo)，相對(duì)正北方向的相對(duì)角度由指南針讀出。本模型的視覺(jué)系統(tǒng)提供了 “what，，和“where，，兩種信息。路標(biāo)和方向角兩個(gè)信息融合產(chǎn)生位置細(xì)胞，在探索的過(guò)程中出現(xiàn)的新位置用新的神經(jīng)元編碼。在某個(gè)給定的位置，多個(gè)位置細(xì)胞活動(dòng)，共同定位。地標(biāo)的密度與機(jī)器人所處的環(huán)境位置有關(guān)。在墻和門(mén)等位置角位置變化快速的地方，會(huì)學(xué)到更多的地標(biāo)。當(dāng)整個(gè)環(huán)境都學(xué)習(xí)完之后，環(huán)境會(huì)被位置細(xì)胞完全覆蓋，每個(gè)位置細(xì)胞與相應(yīng)的位置對(duì)應(yīng)。位置細(xì)胞為機(jī)器人確定自己的位置。轉(zhuǎn)移矩陣編碼。對(duì)于有計(jì)劃的導(dǎo)航任務(wù)來(lái)說(shuō)，必須要完成一定的軌跡。這些軌跡可以用位置點(diǎn)的序列表示。從目前的位置到下一個(gè)位置的整個(gè)矩陣(轉(zhuǎn)移矩陣)可以用來(lái)表示這個(gè)軌跡?？梢詮木仃囍腥コ豢赡艿能壽E部分減少資源占用。
當(dāng)轉(zhuǎn)移矩陣建立后，形成認(rèn)知地圖。認(rèn)知地圖和轉(zhuǎn)移矩陣共同形成運(yùn)動(dòng)變換矩陣。 運(yùn)動(dòng)變換矩陣負(fù)責(zé)將命令發(fā)出。例如，從位置A到位置B產(chǎn)生了轉(zhuǎn)移細(xì)胞AB。這個(gè)轉(zhuǎn)移細(xì)胞與從A到B的方向相聯(lián)系。自主機(jī)器人與人類(lèi)似，也應(yīng)該設(shè)計(jì)有動(dòng)機(jī)。動(dòng)機(jī)可以是某個(gè)要完成的任務(wù)，自身電量不足的時(shí)候?qū)ふ译娫闯潆?，或者完成任?wù)后回到固定地點(diǎn)。本發(fā)明公開(kāi)了一種位置細(xì)胞仿生機(jī)器人導(dǎo)航算法。根據(jù)哺乳動(dòng)物基于海馬位置細(xì)胞的導(dǎo)航策略制定機(jī)器人導(dǎo)航算法?？蓱?yīng)用于是智能清潔地面機(jī)器人，戰(zhàn)場(chǎng)搜救機(jī)器人等。 能夠自動(dòng)識(shí)別陌生環(huán)境，具有無(wú)需人類(lèi)干預(yù)、自組織、自適應(yīng)等優(yōu)點(diǎn)。


圖1本發(fā)明的硬件框圖；圖2本發(fā)明的算法流程圖；圖3本發(fā)明的路標(biāo)-方位角細(xì)胞的形成示意圖。
具體實(shí)施例方式以下結(jié)合具體實(shí)施例，對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。如圖1所示本發(fā)明位置細(xì)胞仿生機(jī)器人導(dǎo)航算法所基于的硬件，包含廣角攝像頭，用于獲取外界圖像；DSP芯片，用于執(zhí)行機(jī)器人學(xué)習(xí)和認(rèn)知所處環(huán)境的有關(guān)算法；驅(qū)動(dòng)輪，根據(jù)DSP芯片發(fā)出的運(yùn)動(dòng)命令驅(qū)動(dòng)機(jī)器人運(yùn)動(dòng)。生物學(xué)上的位置細(xì)胞只和生物所處在的位置有關(guān)，與其運(yùn)動(dòng)的方向和運(yùn)動(dòng)的速度都沒(méi)有關(guān)系。為了模仿生物學(xué)的位置細(xì)胞，在DSP的軟件環(huán)境中用變量模擬位置細(xì)胞。如圖2所示，首先機(jī)器人廣角攝像頭攝取全景照片，為了去除亮度的干擾，將其轉(zhuǎn)化為梯度圖，隨后用高斯差分濾波器對(duì)其濾波，檢測(cè)特征點(diǎn)。對(duì)特征點(diǎn)附近的局部區(qū)域做對(duì)數(shù)極坐標(biāo)變換，能夠提高對(duì)微小的旋轉(zhuǎn)(rotation)或尺度(scale)變化的識(shí)別正確率。由于這些特征點(diǎn)對(duì)應(yīng)于特定的路標(biāo)，因此將對(duì)應(yīng)于這些特征點(diǎn)的變量稱(chēng)為路標(biāo)細(xì)胞 (landmark cells)0對(duì)于每個(gè)路標(biāo)獲取相對(duì)于正北方向的角度(即方位角，azimuth)，正北方向由指南針提供。360度的視場(chǎng)由NAzm個(gè)方位角細(xì)胞編碼。方位角和標(biāo)路共同確定當(dāng)前時(shí)刻的位置細(xì)胞。對(duì)于有計(jì)劃的導(dǎo)航任務(wù)來(lái)說(shuō)，必須要完成一定的軌跡。這些軌跡可以用位置點(diǎn)的序列表示。從目前的位置到下一個(gè)位置的整個(gè)矩陣(轉(zhuǎn)移矩陣)可以用來(lái)表示這個(gè)軌跡。 可以從矩陣中去除不可能的軌跡部分減少資源占用。當(dāng)前時(shí)刻的位置細(xì)胞與前一個(gè)時(shí)刻的位置細(xì)胞共同確定轉(zhuǎn)移矩陣。當(dāng)機(jī)器人在環(huán)境中未知探索中時(shí)，不斷形成轉(zhuǎn)移矩陣，轉(zhuǎn)移矩陣形成認(rèn)知地圖，轉(zhuǎn)移矩陣和認(rèn)知地圖共同決定運(yùn)動(dòng)變換矩陣，輸出運(yùn)動(dòng)命令過(guò)了一段時(shí)間，當(dāng)轉(zhuǎn)移矩陣建立后，就形成了所謂認(rèn)知地圖。認(rèn)知地圖可以認(rèn)為是轉(zhuǎn)移向量和邊界組成的節(jié)點(diǎn)。節(jié)點(diǎn)自身轉(zhuǎn)移權(quán)重設(shè)為1，向其它節(jié)點(diǎn)轉(zhuǎn)移權(quán)重設(shè)為0. 9。權(quán)重隨著路徑使用頻率增加和減少。運(yùn)動(dòng)變換矩陣負(fù)責(zé)將運(yùn)動(dòng)命令發(fā)出。例如，從位置A到位置B產(chǎn)生了轉(zhuǎn)移細(xì)胞AB。 這個(gè)轉(zhuǎn)移細(xì)胞與從A到B的方向相聯(lián)系。
每個(gè)運(yùn)動(dòng)命令都是從某個(gè)起點(diǎn)位置通過(guò)一定的方向到達(dá)終點(diǎn)位置。例如，從位置 A到位置B，產(chǎn)生命令A(yù)B，還包含從A到B的方向。自主機(jī)器人與人類(lèi)似，也應(yīng)該設(shè)計(jì)有動(dòng)機(jī)。動(dòng)機(jī)可以是某個(gè)要完成的任務(wù)，自身電量不足的時(shí)候?qū)ふ译娫闯潆?，或者完成任?wù)后回到固定地點(diǎn)。路標(biāo)和方位角兩個(gè)信息融合產(chǎn)生路標(biāo)方位角融合細(xì)胞，這個(gè)細(xì)胞是產(chǎn)生位置細(xì)胞的中間變量，其活動(dòng)的計(jì)算方法分為三個(gè)步驟。首先得到路標(biāo)細(xì)胞的最大活動(dòng)max
和所有方向角細(xì)胞的最大活動(dòng)maxX；^。其次，計(jì)算這兩個(gè)最大活動(dòng)的乘積，定義為 P = maxX^anj -max^zm。最后，得到路標(biāo)方向角融合細(xì)胞的活動(dòng)Xprd (t+1) = [XPrd (t)+p] +當(dāng)所有的路標(biāo)都探索完成后，重置此細(xì)胞的活動(dòng)。位置細(xì)胞只與所在位置相關(guān)的變量，與運(yùn)動(dòng)速度、運(yùn)動(dòng)方向都沒(méi)有關(guān)系，定義此變量為“位置細(xì)胞”，在功能上和生物學(xué)的位置細(xì)胞對(duì)應(yīng)。在通用DSP硬件中體現(xiàn)為一個(gè)變量。 在探索的過(guò)程中出現(xiàn)的新位置用新的神經(jīng)元編碼。在某個(gè)給定的位置，多個(gè)位置細(xì)胞活動(dòng)， 共同定位。位置的密度與機(jī)器人所處的環(huán)境位置有關(guān)。在墻和門(mén)等位置角位置變化快速的地方，會(huì)學(xué)到更多的地標(biāo)。當(dāng)整個(gè)環(huán)境都學(xué)習(xí)完之后，環(huán)境會(huì)被位置細(xì)胞完全覆蓋，每個(gè)位置細(xì)胞與相應(yīng)的位置對(duì)應(yīng)。位置細(xì)胞為機(jī)器人確定自己的位置。由上述過(guò)程產(chǎn)生的路標(biāo)通過(guò)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法形成“位置細(xì)胞”。每個(gè)位置發(fā)放由本身活動(dòng)和路標(biāo)方位角融合細(xì)胞(圖幻共同決定。如果機(jī)器人在位置細(xì)胞表達(dá)的精確位置，它的活動(dòng)最大。當(dāng)機(jī)器人從此位置移開(kāi)，位置細(xì)胞的活動(dòng)隨著移開(kāi)的距離逐漸減小。每一個(gè)位置細(xì)胞都與所有的路標(biāo)方位角融合細(xì)胞相互連接。活動(dòng)由路標(biāo)方位角融合細(xì)胞的活動(dòng)矢量與相應(yīng)的連接權(quán)重向量進(jìn)行標(biāo)量積。因此，位置細(xì)胞的活動(dòng)由已經(jīng)學(xué)習(xí)的局部視圖和當(dāng)前的局部視圖決定。
yvJ
Nps其中巧=冗妒。
u位置細(xì)胞的學(xué)習(xí)過(guò)程遵守Hebbian法則。當(dāng)機(jī)器人處在新的環(huán)境中，自動(dòng)產(chǎn)生新的神經(jīng)元編碼新的新的位置。此自動(dòng)進(jìn)行無(wú)需外界干預(yù)。當(dāng)之前學(xué)習(xí)的位置細(xì)胞活動(dòng)地域給定的閾值，新的神經(jīng)元會(huì)自動(dòng)參與編碼新的位置。上述路標(biāo)本身是個(gè)一般的概念，這里用“特征點(diǎn)周?chē)木植恳晥D”這個(gè)明確定義的量將“路標(biāo)”定量化，表征“路標(biāo)”的變量稱(chēng)為路標(biāo)細(xì)胞，特征點(diǎn)周?chē)木植恳晥D用路標(biāo)神經(jīng)元k表示，路標(biāo)神經(jīng)元k可以通過(guò)以下公式得到Aff = I(t) □ R其中AW是從像素點(diǎn)i，j到第k個(gè)路標(biāo)的連接權(quán)重，初值設(shè)為O.I(t)時(shí)刻t的像素點(diǎn)(坐標(biāo)i，j)離開(kāi)特征點(diǎn)的距離。R是表征此神經(jīng)元是否參與了此局部視圖的編碼，R 取值為0或1，0表示連接權(quán)重為0，沒(méi)有參與此局部視圖的編碼，1表示參與了此局部視圖的編碼，連接權(quán)重為I (t)。第k個(gè)路標(biāo)細(xì)胞的活動(dòng)Xland (t)，由下述公式獲得
權(quán)利要求
1.一種位置細(xì)胞仿生機(jī)器人導(dǎo)航算法，其特征在于，包括以下步驟Al，首先機(jī)器人廣角攝像頭攝取全景照片，將其轉(zhuǎn)化為梯度圖，隨后用高斯差分濾波器對(duì)其濾波，檢測(cè)到特征點(diǎn)；對(duì)特征點(diǎn)附近的局部區(qū)域做對(duì)數(shù)極坐標(biāo)變換，這些特征點(diǎn)對(duì)應(yīng)于特定的路標(biāo)；A2，對(duì)于每個(gè)路標(biāo)獲取相對(duì)于正北方向的角度即方位角，正北方向由指南針提供；方位角和標(biāo)路共同確定當(dāng)前時(shí)刻的位置細(xì)胞；A3，當(dāng)前時(shí)刻的位置細(xì)胞與前一個(gè)時(shí)刻的位置細(xì)胞共同確定轉(zhuǎn)移矩陣；當(dāng)機(jī)器人在未知環(huán)境中探索中時(shí)，不斷形成轉(zhuǎn)移矩陣，轉(zhuǎn)移矩陣形成認(rèn)知地圖；A4，轉(zhuǎn)移矩陣和認(rèn)知地圖共同決定運(yùn)動(dòng)變換矩陣，運(yùn)動(dòng)變換矩陣負(fù)責(zé)將運(yùn)動(dòng)命令發(fā)出。
2.根據(jù)權(quán)利要求1所述的位置細(xì)胞仿生機(jī)器人導(dǎo)航算法，其特征在于，所述路標(biāo)采用特征點(diǎn)周?chē)木植恳晥D定量化，表征路標(biāo)的變量稱(chēng)為路標(biāo)細(xì)胞，特征點(diǎn)周?chē)木植恳晥D用路標(biāo)神經(jīng)元k表示，路標(biāo)神經(jīng)元k可以通過(guò)以下公式得到Aff = I(t) □ R其中AW是從像素點(diǎn)i，j到第k個(gè)路標(biāo)的連接權(quán)重，初值設(shè)為O.I(t)時(shí)刻t的像素點(diǎn) (坐標(biāo)i，j)離開(kāi)特征點(diǎn)的距離；R是表征此神經(jīng)元是否參與了此局部視圖的編碼，R取值為 0或1，0表示連接權(quán)重為0，沒(méi)有參與此局部視圖的編碼，1表示參與了此局部視圖的編碼， 連接權(quán)重為I⑴；第k個(gè)路標(biāo)細(xì)胞的活動(dòng)X^d(t)，由下述公式獲得
全文摘要
本發(fā)明公開(kāi)了一種位置細(xì)胞仿生機(jī)器人導(dǎo)航算法，A1，首先機(jī)器人廣角攝像頭攝取全景照片，將其轉(zhuǎn)化為梯度圖，隨后用高斯差分濾波器對(duì)其濾波，檢測(cè)到特征點(diǎn)；對(duì)特征點(diǎn)附近的局部區(qū)域做對(duì)數(shù)極坐標(biāo)變換，這些特征點(diǎn)對(duì)應(yīng)于特定的路標(biāo)；A2，對(duì)于每個(gè)路標(biāo)獲取相對(duì)于正北方向的角度即方位角，正北方向由指南針提供；方位角和標(biāo)路共同確定當(dāng)前時(shí)刻的位置細(xì)胞；A3，當(dāng)前時(shí)刻的位置細(xì)胞與前一個(gè)時(shí)刻的位置細(xì)胞共同確定轉(zhuǎn)移矩陣；當(dāng)機(jī)器人在未知環(huán)境中探索中時(shí)，不斷形成轉(zhuǎn)移矩陣，轉(zhuǎn)移矩陣形成認(rèn)知地圖；A4，轉(zhuǎn)移矩陣和認(rèn)知地圖共同決定運(yùn)動(dòng)變換矩陣，運(yùn)動(dòng)變換矩陣負(fù)責(zé)將運(yùn)動(dòng)命令發(fā)出；可應(yīng)用于是智能清潔地面機(jī)器人，戰(zhàn)場(chǎng)搜救機(jī)器人等。
文檔編號(hào)G01C21/00GK102401656SQ201110348930
公開(kāi)日2012年4月4日 申請(qǐng)日期2011年11月8日 優(yōu)先權(quán)日2011年11月8日
發(fā)明者井曉榮, 劉娟, 吳小明, 孫濤, 徐巧玲, 文峻, 湯池, 申廣浩, 羅二平, 謝康寧, 路麗華, 閆一力 申請(qǐng)人:中國(guó)人民解放軍第四軍醫(yī)大學(xué)