新型机器人室内定位技术
XXX软件研究所有限公司
一，技术背景
机器人六十年代，自第一台机器人装置诞生以来，机器人的发展经历了一个从低级到高级的发展过程。第一代机器人为示教再现型机器人，是通过计算机来控制多自主的机械装置，通过示教存储程序把信息读取出来并发出指令，也可以根据人示教的结果再现动作，它对于外界的环境没有感知能力。在20世纪70年代后期人们开始研究第二代机器人：带感觉的机器人。这种机器人有类似人类的力觉、触觉、听觉、视觉等。第三代机器人是智能机器人，它是当今机器人发展的热点和重点，机器人通过各种传感器获取环境信息，利用人工智能识别、理解、推理并进行判断和决策来完成一定的任务。因此智能机器人除了具有感知环境和简单的适应环境能力外，还具有较强的识别理解能力和决策规划能力。80年代中期，技术革命的第三次浪潮冲击着全世界，机器人总数每年以30%以上的速度增长。1986年国家把智能机器人课题列为高技术发展计划，进入90年代，在国内市场经济发展的推动下，确定了机器人及其应用工程并重、以应用带动关键技术和基础研究的发展方针，实现了高技术发展与国民经济主战场的密切衔接，研制出有自主支持产权的工业机器人系列产品，并小批量试产，完成了一批机器人应用工程，建立了9个机器人产业化基地和7个科研基地。通过多年的努力，取得了举世瞩目的硕果。本公司的智能移动机器人具备超声、红外等多传感器融合的导航系统，可以在一定的室内环境中自由行走，实现定位与自动避障等功能，在国内处于先进水平，具有一定影响力。
随着机器人技术的发展，具有移动行走功能、环境感知能力以及自主规划能力智能移动机器人得到了各国研究人员的普遍重视，特别是在20世纪八、九十年代，随着计算机技术、微电子技术、网络技术等的快速发展，机器人技术的发展突飞猛进。本公司的智能移动机器人的重要特点在于它的自主性和适应性。自主性是指它可以在一定的环境中，不依赖外部控制，完全自主地执行一定的任务；适应性是指它可以实时识别和测量周围的物体，并根据环境变化，调节自身参数、动作策略以及处理紧急情况。
随着智能移动机器人技术的发展，其在军事、医疗、商业等领域发挥着重要的作用，人们对智能移动机器人的需求和期望也越来越高，越来越迫切，移动机器人研究从而进入了崭新的发展阶段。定位技术是智能移动机器人的研究核心，同时也是其实现完全自动化的关键技术。机器人只有准确知道自身位置，工作空间中障碍物的位置以及障碍物的运动情况等信息，才能安全有效地进行移动，由此可见，自主定位和环境分析是移动机器人最重要的能力之一。
本公司的机器人室内定位技术是用于机器人在室内环境中定位。此项技术的概念是通过场景主旨（Gist）和视觉显著性（Saliency）模型算法，逼真，精确地模拟人脑的神经元以及视觉行为体系，希望机器人从未知环境的未知地点出发，在运动过程中通过反复获取、观测周围环境的特征信息，从而定位自身的位置。
二，技术内容
2.1高斯金字塔
高斯金字塔是在图像处理、计算机视觉、信号处理上使用的一项技术。本质上是信号的多尺度表示方法，亦即将同一信号或图片多次的进行高斯模糊，并且向下取样，从而产生不同尺度下的多组信号或图片用于后续处理。例如在影响辨识上，可以通过对比不同尺度下的图片，防止要寻找的内容在图片上有不同的大小。高斯金字塔的理论基础是尺度空间理论。给定一张图片f（x,y),它的尺度空间表示方式L(x,y;t)定义为：影像信号
f(x,y)和高斯函数的旋积。完整的表达式如下：
其中分号代表旋积的对象为x,y,而分号右边的t表示定义的尺度大小当t>0是对于所有的t都会成立，不过通常只会选取特定的t值。其中t为高斯函数的变异数，当t 越接近零的时候，使得L(x,y;t) = f(x,y),这代表t=0的时候我们把这项操作视为图片f 本身，当t增加时，L表示将影像f通过一个较大的高斯滤波器，从而使得影像的细节被去除更多。
在建立高斯金字塔时，我们首先会将影像转换为尺度空间的表示方式，即乘上不同大小的高斯函数，之后再一句取定的尺度向下取样。乘上的高斯函数大小和向下取样的频率通常会选为2的幂次。所以，在每次迭代的过程中，影像都会被乘上一个固定大小的高斯函数，并且被以长宽各0.5的比率被向下取样。如果将向下取样过程的图片一张一张叠在一起，就会呈现一个金字塔的样子，因此这个成果称为高斯金字塔。
2.2尺度不变特征转换(SIFT)
SIFT是一种用于侦测与描述影像中局部性特征的视觉算法，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变数，其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。
局部影像特征的描述与侦测可以帮助辨识物体，SIFT 特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。对于光线、噪声、些微视角改变的容忍度也相当高。基于这些特性，它们是高度显著而且相对容易撷取，在母数庞大的特征数据库中，很容易辨识物体而且鲜有误认。
使用 SIFT特征描述对于部分物体遮蔽的侦测率也相当高，甚至只需要3个以上的SIFT物体特征就足以计算出位置与方位。
在现今的电脑硬件速度下和小型的特征数据库条件下，辨识速度可接近即时运算。
SIFT特征的信息量大，适合在海量数据库中快速准确匹配。
2.3主成分分析 (PCA)
在多元统计分析中，主成分分析是一种分析、简化数据集的技术，用于分析数据及建立数理模型。主成分分析经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留主数据的最重要的方面。
其方法主要是通过对共变异数矩阵进行特征分解，以得出数据的特征向量它们的特征值。PCA是最简单的以特征量分析多元统计分布的方法。其结果可以理解为对源数据中的方差作出解释：哪一个方向上的数据值对方差的影响最大？换而言之，PCA提供了一种降低数据维度的有效方法；如果分析者在源数据中除掉最小的特征值所对应的成分，那么所得的低纬度数据必定是最优化的，因为这样降低维度是失去信息最少的方法。
PCA是最简单的以特征量分析多元统计分布的方法。通常情况下，这种运算可以看作是揭露数据的内部结构，从而更好的解释数据的变量的方法。如果一个多元数据集能够在一个高维数据空间坐标系中被显现出来，那么PCA就能够提供一副比较低维度的图像，这幅图像即为在讯息最多的点上原对象的一个‘投影’。
PCA的数学定义是：一个正交化线性变换，把数据变换到一个新的坐标系统中，使得这一数据的任何投影的第一大方差在第一个坐标上，第二大方差在第二个坐标上，以此类推。
定义一个n× m的矩阵, X T为去平均值（以平均值为中心移动至原点）的数据，其行为数据样本，列为数据类别（注意，这里定义的是X T而不是X）。则X的奇异值分
解为X = WΣV T，其中m× m矩阵W是XX T的本征矢量矩阵，Σ是m× n的非负矩形对角矩阵，V是n× n的X T X的本征矢量矩阵。据此，
当m < n? 1时，V在通常情况下不是唯一定义的，而Y则是唯一定义的。W
是一个正交矩阵，Y T是X T的转置，且Y T的第一列由第一主成分组成，第二列由第二主成分组成，依此类推。
为了得到一种降低数据维度的有效办法，我们可以把X映射到一个只应用前面L 个向量的低维空间中去，W
：
L
where with the rectangular identity matrix.
X的单向量矩阵W相当于协方差矩阵的本征矢量C = X X T,
在欧几里得空间给定一组点数，第一主成分对应于通过多维空间平均点的一条线，同时保证各个点到这条直线距离的平方和最小。去除掉第一主成分后，用同样的方法得到第二主成分。依此类推。在Σ中的奇异值均为矩阵XX T的本征值的平方根。每一个本征值都与跟它们相关的方差是成正比的，而且所有本征值的总和等于所有点到它们的多维空间平均点距离的平方和。PCA提供了一种降低维度的有效办法，本质上，它利用正交变换将围绕平均点的点集中尽可能多的变量投影到第一维中去，因此，降低维度必定是失去讯息最少的方法。PCA具有保持子空间拥有最大方差的最优正交变换的特性。然而，当与离散余弦变换相比时，它需要更大的计算需求代价。非线性降维技术相对于PCA来说则需要更高的计算要求。
PCA对变量的缩放很敏感。如果我们只有两个变量，而且它们具有相同的样本方差，并且成正相关，那么PCA将涉及两个变量的主成分的旋转。但是，如果把第一个变量的所有值都乘以100，那么第一主成分就几乎和这个变量一样，另一个变量只提供了很小的贡献，第二主成分也将和第二个原始变量几乎一致。这就意味着当不同的变量代表不同的单位（如温度和质量）时，PCA是一种比较武断的分析方法。一种使PCA不那么武断的方法是使用变量缩放以得到单位方差。
通常，为了确保第一主成分描述的是最大方差的方向，我们会使用平均减法进行主成分分析。如果不执行平均减法，第一主成分有可能或多或少的对应于数据的平均值。另外，为了找到近似数据的最小均方误差，我们必须选取一个零均值。
假设零经验均值，数据集X的主成分w1可以被定义为：
为了得到第k个主成分，必须先从X中减去前面的个主成分：
然后把求得的第k个主成分带入数据集，得到新的数据集，继续寻找主成分。
PCA类似于一个线性隐层神经网络。隐含层K个神经元的权重向量收敛后，将形成一个由前K个主成分跨越空间的基础。但是与PCA不同的是，这种技术并不一定会产生正交向量。
2.4 独立成分分析(ICA)
在统计学中，ICA是一种利用统计原理进行计算的方法。它是一个线性变换。这个变换把数据或信号分离成统计独立的非高斯的信号源的线性组合。
独立成分分析的最重要的假设就是信号源统计独立。这个假设在大多数盲信号分离的情况中符合实际情况。即使当该假设不满足时，仍然可以用独立成分分析来把观察信号统计独立化，从而进一步分析数据的特性。独立成分分析的经典问题是“鸡尾酒会问题”（cocktail party problem）。该问题描述的是给定混合信号，如何分离出鸡尾酒会中同时说话的每个人的独立信号。
独立成分分析并不能完全恢复信号源的具体数值，也不能解出信号源的正负符号、信号的级数或者信号的数值范围。
观察的数据或者信号用随机向量表示，独立成分量可以定义为向量。独立成分分析的目的是通过线性变换把观察的数据, 转换成独立成分向量, 而独立成分分量满足互相统计独立的特性。统计独立的量化通常通过某指定函数来衡量。
2.5 基于视觉显著性(saliency)模型的快速场景分析
Saliency模型是受早期灵长类动物的神经结构启发提出的一种视觉注意的系统。多种不同比例的特征图形结合形成一张saliency图，然后由动态神经网络选取视觉上最引人注意的点来降低显著性。该系统将复杂的场景理解问题，分解为快速的场景选择，找出最引人注目的点。
尽管灵长类动物的神经元计算能力有限，但是对复杂场景的实时理解有着非常出色的能力。
所谓的‘视觉焦点’，通过两种方式扫描场景图片，一种是快速的自底向上，saliency驱动，独立于任务的方式，一种是自顶向下，缓慢，意志控制并基于任务的方式。
注意力模型包括‘动态路由’模型，在这个模型中，只有视觉区域中的一小部分信息可以通过视觉皮层被处理。这些信息是通过自顶向下和自底向上控制下的皮层连接动态变化或者事件短时间模式建立的。
该模型采用的是Koch和Ullman提出的第二种生物上可行的结构。模型的理论基础有许多模型。比如：特征结合理论，是对人类视觉搜索策略的一种解释。首先将视觉输入分解为一组特征图，接着空间上的不同位置会相互竞争，直到找出显著点，因此只有局部显著的点能够被保留下来。所有特征图自下而上汇总形成saliency图，这样就能找出整个场景的局部显著点。这种方式，是灵长类动物大脑的后顶叶形成的对视觉输入的处理结果图，模型的saliency图具有生成注意力转换的能力。因此此模型可以表示自底向上的saliency模型说明，而不需要自顶向下的帮助进行注意力转移。
这个框架的结构，对于计算机视觉计算技术而言，提供了大量的并行方法，我们可以通过快速选取出一组图片中感兴趣的点来分析更复杂和更消耗时间的物体识别过程。
Saliency模型：
程序输入是一张静态的彩色图片，通常采用640*480的图片，通过利用高斯金字塔构建9种不同的空间尺度，对输入图像进行低通过滤和二次采样，生成从1:1到1:256这8个幅度的横向和纵向的图像缩小因素。每一个特征都是通过计算一组线性的“center-surround”运算。类似于视觉接受域：典型的视觉神经元对视野中心的区域一小块区域特别敏感，而刺激更广泛的外围区域则会抑制神经元的反应。对局部不连续空间敏感的这样一种结构，特别适合用于检测明显与周围不同的局部特征，因此被用作模拟视网膜、外侧膝状体和初级视皮层的运算法则。Center-surround 在实现中会有从精细到粗犷的不同尺度。中心分别取每个像素取c为2倍、3倍、4倍，外围则是每个像素对应s对应s = c + δ，δ取3或4。两张图的跨尺度区分是通过修改精细尺度和点对点做减法获取的。通过使c和δ两方面，可以获取真正的中心区域和周围区域的多尺度特征提取。
2.6 提取早期视觉特征
模型研究的特征分为三种，分别为明暗特征，色彩特征和方向特征。
r,g,b分别代表输入图像的红色、绿色和蓝色，图像的亮度通道I通过
I=(r+g+b)/3计算得到的。I用于创建高斯金字塔I(σ), 其中σ取0到8的整数。
r,g,b通道通过计算I进行正规化，将色彩从亮度中解耦。然而由于色彩变换在亮度特别低的时候是无法感知的，因此是不显著的，因此正规化仅仅作用于I大于整张图片亮度最大值十分之一的部位。4个调和后的色彩通道分别为红色通道R = r - (g + b)/2，绿色通道G = g - (r + b)/2，蓝色通道B = b - (r + g)/2和黄色通道Y = (r + g)/2 -|r -g|/2 -b，通过这4个通道，由此，我们可以创建R(σ), G(σ), B(σ), and Y(σ)四个高斯金字塔。
前面定义的center-surroun d差值通过中心的精细比例c和外围的粗糙比例s的差值产生了特征图。第一组特征图考虑的是亮度的对比，哺乳动物是通过神经元对暗中心区域和亮外围区域或亮中心区域作用于暗外围区域的效果进行分别的。这两种类型的敏感是用6组亮度图I(c,s)同时计算的,c分别取2，3，4，s = c + δ，δ分别取3或4：
第二组特征图与前面类似，是为色彩通道构建的，在人类的视觉皮层中是通过一种称为“双色对比”的系统来处理色彩的：在感受野中部的神经元会被一种颜色（例如红色）刺激产生兴奋而被另一种颜色（例如绿色）抑制。反之对外围的神经元也成立。这种空间色彩的对比在人脑视觉感受皮层中存在红／绿、绿／红、蓝／黄和黄／蓝4组对比。因此，通过创建模型中的RG(c,s)特征图可以同时模拟红／绿和绿／红两种对比，BY(c,s)则可以模拟蓝／黄和黄／蓝两种对比：
第三组特征图是局部方向特征图，通过Gabor金字塔作用于亮度图I产生方向显著图O(σ,θ )，σ取0到8的正整数来表示比例，θ是表示的方向，分别取0°，45°，90°和135°。Gabor过滤是余弦光栅和2D高斯包络的乘积，结果近似于初级视皮层感受野对方向的敏感辨识程度。方向特征图O(c, s, θ),表示了中心和周围尺度的方向对
比。
综上所述，共通过计算生成了42张特征图，其中包括6张亮度图，12张颜色图和24张方向图。
2.7 显著图（The Saliency Map）
显著图用于通过常量表示一个区域的显著性。显著图与特征图结合起来，以动态神经网络为模型提供了自低向上的构建特征图的方法。
在结合不同的特征图时，由于各张特征图之间有着不同的值域，且提取方式不同，因此数值上不具有可比性。另外由于要结合所有的42张图，因此出现在少数几张图中几个位置的视觉显著可能会被噪声或者其他较为不显著的物体遮挡。由于缺少自顶向下的监督，我们提出一种对图进行正规化的方法，用N(.)来表示。通过正规化可以达到的效果为，增强只有少量显著点的显著图，削弱显著点较多的显著图，步骤如下：
1.将每张图进行正规化到一个固定的值域[0..M]，以消除振幅的差别。
2.找出每张图的全局极大值M，并计算所有局部极大值的平均值m
3.对整个特征图进行运算，乘上(M-m)^2
只有局部极大值才会被计算，这样正规化就可以忽略同质的区域。比较整张图的极大值和平均值可以看出最活跃的部位和平均值的区别。当这个差别较大的时候，最活跃的
区域就会较为明显，若这个差别较小，则这张图就会被抑制。正规化方法的生物学解释在于，它简单地重现了外侧皮层的抑制机制，相邻的类似特征会通过一种特殊的物理链接相互抑制。
特征图分别被合并到尺度为4的三张显著图，分别为亮度图I，颜色图C和方向图O。计算方法如公式所示，其中跨尺度的加法是由将每幅图降尺度到尺度四再进行像素对
像素的加法：
对于方向而言，首先根据给定的角度和六张特征图生成中间步骤的四张图，接着整合成一张方向特征图。
创建三张单独的通道图I，C，O和他们各自的正规化是基于假设：类似的特征会为了显著而激烈竞争，然而不同的特性对于显著图会有各自的表现。三张图片经过正规化后取平均值即可得到最终的saliency图。
在任意时刻，saliency图的最大值定义了整张图片最显著的位置，也就是注意力
焦点所在的位置（FOA）。我们可以简单地认为，图片中最活跃的区域就是模型关注的下
一个焦点。然而，在一个神经元可行的实现中，我们利用比例为4的2D 积聚触发模型对saliency图进行建模。模型中的这些神经元有一个电容可以将突触输入的电量聚集起来
进行充电，一个漏电导和一个电压阈值。当电压达到了这个阈值，就会生成一个触发原型, 并且电容的电量会减少到0。尺寸为4的saliency图会输入到一个2D的赢家通吃（WTA）神经网络，不同单元之间的突触交互可以保证最活跃的区域被保留，而其他的区
域都被抑制。
显著图(SM)兴奋接收区域的神经元都是独立的，在更加显著位置的SM神经元增长
会更快（然而这些神经元仅用于单纯的聚集但不触发）。每一个SM神经元都会刺激周围
的WTA神经元。所有的WTA神经元都是独自进化的，知道其中一个首先达到阈值，同时触发三个机制。
过程可以概括成三个步骤，如下：
1）FOA转移到赢家神经元的区域；
2）对于WTA的抑制机制被处罚接着抑制WTA神经元；
3）在SM区域，局部抑制被短暂触发，方式是在FOA的区域根据位置和大小进行抑制。这样不仅可以动态的转移FOA，从而使得次显著的点也能够成为赢家，还可以防止FOA立即回到之前的位置。
这种“返回抑制”已经在人类视觉心理物理学中得到了证明。为了使得模型可以紧接着跳转到当前注意点附近的显著点区域，会短暂地刺激在FOA附近的SM区域。（这种方式被称为Koch和Ulman法则）。
由于我们没有创建任何自顶向下的注意部件，FOA仅是一个半径固定为输入图片宽度或高度六分之一的圆盘，时间常数，电导，和模拟的神经元阈值都是被选定的，从而FOA可以从一个显著点在30-79毫秒左右跳到下一个显著点，并且上一个显著点的区域会被抑制500-900毫秒，这个过程与视觉心理物理学中是被观测到的。这些延迟使得可以充分扫描图片并且避免了在几个显著点间反复循环。在具体实现中，这些参数是固定的，在研究中所有图片在系统中的结果都是稳定的。
2.8 与空间频率内容模型的比较
Reinagel和Zador 使用了眼球追踪装置分析根据人类自由观看灰度图像生成的沿眼扫描局部空间频率分布。他们发现，总的来说，在关注区域的空间频率内容要显著高于随机区域。虽然在意志力控制下，眼轨迹是可以与注意力轨迹不同的，但是视觉注意力经常被认为是一个先于眼球运动的机制，对于自由的浏览有很大的影响。因此，我们便探究了是否我们的模型可以重现Reinagel和Zador的发现。
对于空间频率内容（SFC）我们给出了一种简单的表示方式：对于一个给定的图像位置，从每个灰度、R、G、B、Y图中提出一个16*16的图像块，然后对这个图像块进行2D快速傅里叶变换（FFTs）。对于每个图像块而言，一个阈值用于计算不可忽略的FFT 数系数，阈值对应于FFT刚感知光栅的丰富度（1%的对比度）。SFC表示五个相应图像块不可忽视系数数目的平均值。选定相应大小和尺度的图像块，从而使得SFC对RGB通道和灰度通道中进行计算。通过这种方式，可以生成一个尺度为4的SFC图，并于显著图进行比较。
是色彩图片的例子；(b)是相应的显著图输入；(c)是空间频率内容（SFC）图；(d)黄色圈标出了通过显著图找出的显著点，红色方框标出了SFC找出的显著点，从结
果可以看出，显著图对于噪声的容忍度很高，然而SFC受噪声干扰很大。
显著图在FOA模型中常被用到，但是很少提到具体构建和动态变化，在这里，我们研究了如何进行前馈特征提取，图像组合策略和显著图的时间特性都对于整体系统性能有贡献。
我们用许多人工图像对模型进行了测试从而确保它的正常运作。比如，很多相同形状但背景不同，按照对比度递减的顺序排列的物体。模型表现出了对于噪声良好的容忍性，尤其是对于噪声没有直接影响目标主要特征的图。
模型可以重现人类对于许多弹出任务的视觉表现。当一个目标在方向，颜色，灰度或者大小方面，与周围干扰项不同时，它总是可以成为最显著的点。反之，如果目标与干扰项在多种特征中存在区别（比如在红色竖直条和绿色水平条图中，有一个唯一的红色水平条），找到显著点所需的搜索时间与干扰项数目成正比。这两种结果的结论已经被广泛地观察和记录在人类视觉研究中。
我们还是用了真实图片进行了测试，比如真实的户外图片和人工图画，通过正规化对图片进行调整。由于这些图片没有被其他人作为实验素材使用，所以无从进行比较。
我们建立的Saliency模型是一个架构和部件都模仿人类视觉属性的模型，本模型可以良好的处理复杂的自然环境图像，例如，它可以快速检测到车流中的显著交通信号（圆形，三角形，正方形，长方形），颜色（红色，蓝色，白色，橙色，黑色），和文字信息（字母，箭头，条纹，圆圈）。从计算机的角度而言，此模型最大的优势在于有大量并行运算，包括早期特征提取阶段的大量操作和视觉注意系统。我们模型的结构可以支持在硬件上进行实时操作，这与之前其他模型有较大不同。
2.9 场景主旨模型（Gist）
随着计算机视觉技术的发展，机器场景识别的能力也在不断提高，这方面的研究也日益丰富，目前主要分为基于物体场景识别、基于区域的场景识别、基于内容的场景识别和生物可行场景识别。因为尽管硬件性能和计算算法在不断提升和优化，目前的场景识别水平仍然和人眼相比差距甚远，所以采用生物可行场景识别是一个新颖而充满潜力的研究方向。
gist算法是一种应用于机器人的场景识别算法。这种算法的优点在于，它具有生物学上的可行性，并且计算复杂度较低，与其他的视觉注意模型共享相同的底层特征，可以在机器人上与其他的模型进行并行计算，计算速度快，效率高。
2.10 视觉皮层特征提取
和视觉引导，Saliency计算机制相同，人类还有一项绝妙的快速获取图像“要点（Gist）”的能力，比如快速在镜头和人眼前闪过一张图像，仅仅是一闪而过，就足以让观察者回答图像是一张室内厨房的图，图中有很多五颜六色的物体。由此我们可以发现，仅仅需要100ms或者更短的时间，人们就可以对图像产生整体的印象（比如，室内还是室外，厨房还是办公室等）一些大体的特征也可以被获取，然而，更让人惊讶的是，如果需要观察者回答，图中是否有一只动物等问题，观察者只需要28ms就可以做出正确的回
答。Gist是在大脑中优先相应“位置”的区域中计算的，也就是对应限制空间布局的视觉场景类型。空间内容和颜色判断会影响Gist的感知，这就促进了当前专门研究空间分析的计算机模型的发展。
Gist广义的心理学定义是观察者看一眼获取的图像信息，我们讨论的Gist表示是建立与这个定义的基础上，指在一个短时间内获取的相对维度较低的场景图。我们将Gist表示为特征空间的向量，如果对应某个给定图像的Gist向量可以被分类到某个特定的场景类别，那么基于Gist的场景分类就是可实现的。
我们目前研究的重心集中在通过多个域的功能从图片中提取Gist，计算它的整体特征，同时兼顾其大致的空间信息。现有模型是根据Saliency模型提出的。
2.11 场景主旨（Gist）特征提取
经过底层的center-surround进行特征提取后，每个子通道都会提取一个相应特征图的gist向量。将图片分割为4X4的16个子区域，对每个字区域进行均值计算。从获取
的结果的角度看，Gist和Saliency是相对的，因为gist是对图像的子区域进行特征提取，而saliency是对整个区域进行特征提取。
但是，人类只有一个大脑，同时要进行Gist和Saliency的计算，所以与saliency 相同，在Saliency模型中，输入图像经过一系列底层的视觉特征通道过滤，得到不同尺寸的色彩、亮度、方向特征图，有些通道有许多子通道。每个子通道都有9种不同尺寸的金字塔来表示过滤后的输出，在水平和竖直方向，比例都是从1:1到1:256，并且都要进行5*5的高斯平滑。对于每个子通道i，模型采用center-surround操作进行标准化。
色彩和灰度通道公式如下：
Mi(c, s) = |Oi(c) ? Oi(s)| = |Oi(c)?Interps?c(Oi(s))|
Gist模型复用Saliency模型的方向、色彩和灰度通道，对于方向通道，对灰度输入图像采用Gabor滤波器从四个不同的角度，四个空间尺度计算十六个子通道的和。需要注意的是，Gabor滤波器不进行center-surround因为这些滤波器本身已经各不相同了。
Mi(c) = Gabor(θi, c)
对于色彩通道的处理，与Saliency相似。
每个子通道从各自的特征图中都能提出一个Gist向量。
公式是对16个小的区域进行亮度特征提取的方法，k和l分别是子区域在水平方向上和竖直方向上的序号。W和H分别是整张图片的宽度和高度。类似地，我们可以得到方向通道的特征提取。尽管其他的数据统计可以提供不同的有效信息，然而它们的计算开销太高，而且他们在生物学上的解释仍有争议，因此我们只进行一阶统计就可以进行有效的分类。
2.12 颜色恒常算法
利用这种基于统计的gist算法的优点在于它的稳定性可以屏蔽局部的或随机的噪声干扰。在gist算法中更重要的是全局的特征，例如光线对整张图片的改变。颜色恒常算法例如gray world算法和white patch算法就假设场景中的光线是恒定的。然而，在
现实场景中光线并不一定会恒定。光线不仅会随着时间的推移而改变，而且在同一场景中，光源也不一定是单点光源。由于光源的不稳定性，场景中的不同物体会在不同的时间被照亮。值得注意的是，这一步的目标不是为了高精度地对色彩进行识别或正规化，而是生成稳定的颜色亮度gist特征图。我们也可以使用另一种正规化的方法，叫做Comprehensive Color Normalization(CCN)，可用于全局和局部的正规化。
当光线饱和的时候（即当摄像机捕捉的视频太亮或太暗的时候），物体的纹理信息会丢失，而且无论用多复杂的正规化方法都无法恢复。在这种情况下，考虑到gist计算的特性，最好的解决方就是在不同的光线条件下进行gist的识别。因此我们不应该进行任何处理，而应该在不同的光线条件下训练我们的gist分类器。gist本身的特性（Garbor或center-curround）就已经帮助我们将光照变化的影响降到了最低。通过分析在不同光线条件下的信号比峰值，我们发现底层特征处理产生的信息对于光线是合理而且稳定的。
2.13 PCA/ICA 降维
未经处理的gist特征分为16个区域，每个区域都有34张特征图，因此维度总数是544维。我们使用principal component analysis (PCA) 、 Independent Component Analysis(ICA)和FastICA将维度降到80，并且对于3000张测试图保留了97%的信息。
2.14 场景分类
上图展现了场景分类的完整过程。我们使用了一个三层神经网络（中间层有200和100个神经节点），使用1.667G赫兹的AMD机器和BP算法进行训练。这样做不仅获得了更高的成功率，同时大大减少了运算时间和训练时间。
三，定位技术试验结果
机器人室内定位解决方 案 -CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN
通过在室内或者室外布设一定数量的UWB定位基站，机器人携带定位标签，最终实现机器人的精准定位导航。 UWB室内定位技术,可以提供最优达2厘米级、一般情况下10厘米以下定位精度，系统定位微基站支持多定位单元扩展，定位微标签支持
刷新率在线调整功能。系统基于先进的基于无线超窄脉冲波的无线定位原理，抗干扰能力强，系统性能稳定可靠，架设简单，维护方便，适合工业应用。 1：无线超窄脉冲定位技术特点 传统的无线定位系统使用WiFi、蓝牙及Zigbee等技术，基于接收信号强度法（RSSI）来对标签位置进行粗略估计，定位精度低，且容易受到干扰，定位稳定性难以适应室内应用的要求。UWB基于超窄脉冲技术的无线定位技术，从根本上解决了这一问题。 无线超窄脉冲电磁波，使用脉冲宽度为ns级的无线脉冲信号作为定位载波，是无线定位领域的定位精度最高，性能最为稳定的技术。在频域上，由于其占用的频带较宽（也被称为超宽带技术，UWB技术），且无线功率密度较低，对于其他的无线设备来说相当于噪声信号，不会对其造成干扰，也加强了自身的抗干扰性。无线定位系统基于超窄脉冲技术，成为国内领先的高精度无线定位产品。
2：定位原理 无线定位系统使用先进的超窄脉冲精确测量飞行时间技术，实现了底层的精确测距/计时；结合位置解算算法，实现了上层的精确定位。其基本原理如下图所示。 基站位置为已知,标签发出无线脉冲,到达每个基站的时间再乘以光速,从而得到标签到每个基站的距离,再通过算法最终就可以得到标签的位置. 3：定位系统构成 无线定位系统的系统架构如下图所示。系统主要包括定位基站、定位标签、定位解算服务器、定位解算引擎及POE交换机、网线等网络设备构成。
室内定位LBS技术介绍 一、室内定位(LBS)和室外定位(GPS)的区别 室内定位(LBS),又称地理位置服务, 确定移动设备或用户所在的地理位置，提供与位置相关的各类信息服务，例如寻找用户当前位置处1公里范围内的宾馆、影院、图书馆、加油站等的名称和地址。 室外定位(GPS),又称全球定位系统, 任意时刻，地球上任意一点都可以同时观测到4颗卫星，以保证卫星可以采集到该观测点的经纬度和高度，以便实现导航、定位、授时等功能。 二、室内定位(LBS)-定位技术 与室外卫星定位不一样，室内定位各种技术呈现出百花齐放的场景，如下图所示： 三、室内定位(LBS)技术-硬件和软件 一套完整的蓝牙室内定位系统中，需要以下设备： ?硬件方面： 蓝牙信标–用于广播蓝牙信号。成本低、功耗小、工作时间长、易于部署； 蓝牙网关–是与信标配套的管理设备。用于接收信号，与后台服务器相连； 服务器–后台服务器为常规硬件，主要承载管理后台，以及地图导航等服务。 ?软件方面： 地图引擎–是软件组成体系中的基础；
蓝牙定位引擎–获取用户实时位置； 后台管理系统–主要指管理后台，支持信息的可视化管理。 四、室内定位(LBS)技术-开发 Android SDK是一套基于Android2.1及以上版本设备的应用程序接口，通过调用地图SDK 接口可实现丰富的地图交互服务 五、室内定位(LBS)-应用介绍 被动定位：即有源标签式定位。 人员携带或物资上安装有源定位标签，对人员、物品的位置进行实时、连续的定位，并在地图上进行展示，可查看人与物的实时位置、移动轨迹、当前状态等信息，实现电子围栏、实时预警、数据分析等管理功能。
XXXX科技大学 机械工程学院 2019-2020学年《机器人技术》课程报告 移动机器人定位技术综述(室内) 指导教师：XXX 学生姓名：XXX 班级： 学号： 专业：机械设计制造及其自动化
目录 0引言 (2) 1 定位技术 (3) 1.1航迹推算定位 (3) 1.2地图匹配定位 (4) 1.3基于信标的定位 (5) 1.4基于概率方法的定位技术 (5) 2结论以及展望 (7) 3参考文献 (8)
0引言 机器人在运动过程中会碰到并解决以下三个问题： （1）我（机器人）现在何处？ （2）我要往何处走？ （3）我如何到达该处？ 其中第一个问题是其导航系统总的定位及其跟踪问题，第二、三个是导航系统的路径规划问题。移动机器人定位技术的任务就是解决上面的第一个问题。 定位问题是移动机器人领域内一个最重要的内容。最开始只是基于记录机器人运动的内部传感器进行航位推算，后来利用各种外部传感器，通过对环境特征的观测计算机器人相对于整个环境的位置和方向。直到今天，形成了融合内、外部传感器的机器人定位方法。 现有的移动机器人定位传感器种类很多，主要分为两种：基于机器人内部所用的传感器，如里程计、陀螺、罗盘、摄像头、激光雷达等和基于机器人外部所用的传感器，如摄像头、激光雷达，超声波。而大多数的移动机器人安装了不只一种用于定位的传感器。不同的传感器组合，采用不同的定位手段，都可以被移动机器人用来定位。自主移动机器人的室内定位作为机器人研究领域中最基本的问题已被广泛研究。GPS以其卓越的性能已经成为移动机器人室外定位导航普遍采用的定位系统，但当移动机器人被放置在室内环境时，GPS是不合适的。一方面，室内定位一般要求更高的定位精度(cm级)；另一方面，GPS定位系统对室内的覆盖效果并不好。至今为止，还没有一种通用的室内定位系统，因此，人们研究了各种各样的室内定位方法。本文将简单介绍自主移动机器人的室内定位方法，主要包括航迹推算定位、地图匹配定位、基于信标的定位和概率估算定位。 图0.1 移动机器人
机器人室内定位解决方案 案场各岗位服务流程 销售大厅服务岗： 1、销售大厅服务岗岗位职责： 1)为来访客户提供全程的休息区域及饮品; 2)保持销售区域台面整洁; 3)及时补足销售大厅物资,如糖果或杂志等; 4)收集客户意见、建议及现场问题点； 2、销售大厅服务岗工作及服务流程 阶段工作及服务流程 班前阶段1）自检仪容仪表以饱满的精神面貌进入工作区域 2）检查使用工具及销售大厅物资情况，异常情况及时登记并报告上级。 班中工作程序服务 流程 行为 规范 迎接 指引 递阅 资料 上饮品 （糕点） 添加茶水工作1）眼神关注客人，当客人距3米距离侯客迎询问客户送客户
注意事项 15度鞠躬微笑问候：“您好！欢迎光临！”2）在客人前方1-2米距离领位，指引请客人向休息区，在客人入座后问客人对座位是否满意：“您好！请问坐这儿可以吗？”得到同意后为客人拉椅入座“好的，请入座！” 3）若客人无置业顾问陪同，可询问：请问您有专属的置业顾问吗？，为客人取阅项目资料，并礼貌的告知请客人稍等，置业顾问会很快过来介绍，同时请置业顾问关注该客人； 4）问候的起始语应为“先生-小姐-女士早上好，这里是XX销售中心，这边请”5）问候时间段为8:30-11:30 早上好11:30-14:30 中午好 14:30-18:00下午好 6）关注客人物品，如物品较多，则主动询问是否需要帮助（如拾到物品须两名人员在场方能打开，提示客人注意贵重物品）； 7）在满座位的情况下，须先向客人致
待； 阶段工作及服务流程 班中工作程序工作 要求 注意 事项 饮料（糕点服务） 1）在所有饮料（糕点）服务中必须使用 托盘； 2）所有饮料服务均已“对不起，打扰一 下，请问您需要什么饮品”为起始； 3）服务方向：从客人的右面服务； 4）当客人的饮料杯中只剩三分之一时， 必须询问客人是否需要再添一杯，在二 次服务中特别注意瓶口绝对不可以与 客人使用的杯子接触； 5）在客人再次需要饮料时必须更换杯 子； 下班程 序1）检查使用的工具及销售案场物资情况，异常情况及时记录并报告上级领导； 2）填写物资领用申请表并整理客户意见；3）参加班后总结会； 4）积极配合销售人员的接待工作，如果下班
室内定位技术调研 随着数据业务和多媒体业务的快速增加，人们对定位与导航的需求日益增大，尤其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中，常常需要确定移动终端或其持有者、设施与物品在室内的位置信息。但是受定位时间、定位精度以及复杂室内环境等条件的限制，GPS和北斗导航定位系统在室内都很难定位，原因是定位系统星座发射的微波信号过于微弱，并且频率很高，即要沿着直线传播，且难以穿过墙壁，所以在室内就收不到信号了。只有在室外，天空中没有什么阻挡时可以接受。 图1 室内定位的方式 因此，专家学者提出了许多室内定位技术解决方案，如A-GPS定位技术、超声波定位技术、蓝牙技术、红外线技术、射频识别技术、超宽带技术、无线局域网络、光跟踪定位技术，以及图像分析、信标定位、计算机视觉定位技术等等。这些室内定位技术从总体上可归纳为几类，即GNSS技术（如伪卫星等），无线定位技术（无线通信信号、射频无线标签、超声波、光跟踪、无线传感器定位技
术等），其它定位技术（计算机视觉、航位推算等），以及GNSS和无线定位组合的定位技术（A-GPS或A-GNSS）。除了以上提及的定位技术，还有基于计算机视觉、光跟踪定位、基于图像分析、磁场以及信标定位等。此外，还有基于图像分析的定位技术、信标定位、三角定位等。目前很多技术还处于研究试验阶段，如基于磁场压力感应进行定位的技术。如图1所示，能够满足米级定位精度的定位技术，从规模上推广角度来看由易到难，依次为 Wi-Fi、LED、RFID、ZiBee、超声波、蓝牙、计算机视觉、激光、超宽带等。实现室内定位技术上可以采取以下一种或多种混合：北斗定位、基站定位、wifi定位、IP定位、RFID/二维码等标签识别定位、蓝牙定位、声波定位、场景识别定位. Wi-Fi定位 Wi-Fi定位相比于北斗、GPS、基站定位方式的优势在于室内定位精度高。由于Wi-Fi热点廉价、布设容易，很容易通过增加Wi-Fi热点来提高室内定位精度。若用于LBS，Wi-Fi定位可作为一定室内区域（如博物馆内部、校园内各建筑内部）的定位手段，而在室外仍用北斗定位等方式。当前比较流行的Wi-Fi 定位是无线局域网络系列标准之IEEE802.11的一种定位解决方案。该系统采用经验测试和信号传播模型相结合的方式，易于安装，需要很少基站，能采用相同的底层无线网络结构，系统总精度高。Wi-Fi绘图的精确度大约在1米至20米的范围内，总体而言，它比蜂窝网络三角测量定位方法更精确。但是，如果定位的测算仅仅依赖于哪个Wi-Fi的接入点最近，而不是依赖于合成的信号强度图，那么在楼层定位上很容易出错。目前，它应用于小范围的室内定位，成本较低。但无论是用于室内还是室外定位，Wi-Fi收发器都只能覆盖半径90米以内的区域，而且很容易受到其他信号的干扰，从而影响其精度，定位器的能耗也较高。利用 Wi-Fi 可以覆盖一个十万平米的商场,费用几十万元，在这个商场中不仅可以做到米级的定位，还可以满足上网需求（在商场中用户的需求中，上网的需求远远大于室内定位导航的需求）。Wi-Fi 定位并不是不能做亚米级乃至分米级的定位，英国的研究机构就用 Wi-Fi 技术来探测墙后恐怖分子的肢体活动，当然这个成本目前也不是大众消费市场所能负担的。Wi-Fi需要60～140m配置基站继续覆盖。
机器人视觉系统 ——人脸识别技术 优势 1 不被察觉，不会引起人的反感。 2 非接触性，不需要和设备接触即可识别 3 自然性 4 准确，可靠，灵活。 原理 在检测到人脸并定位面部关键特征点之后，主要的人脸区域就可以被裁剪出来，经过预处理之后，馈入后端的识别算法。识别算法要完成人脸特征的提取，并与库存的已知人脸进行比对，完成最终的分类。 主要过程 一般分三步： (1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。 (2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。（智械科技） (3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辩认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。 实现方法 基于OpenCv人脸识别设计方案 1 系统组成 以OpenCV 图像处理库为基础，利用库中提供的相关功能函数进行各种处理：通过相机对图像数据进行采集，人脸检测主要是调用已训练好的Haar 分类器来对采集的图像进行模
式匹配，检测结果利用PCA 算法可进行人脸图像训练与身份识别，而人脸表情识别则利用了Camshift 跟踪算法和Lucas–Kanade 光流算法。
机器人定位技术介绍 前言 随着传感技术、智能技术和计算技术等的不断提高，智能移动机器人一定 能够在生产和生活中扮演人的角色。那么移动机器人定位技术主要涉及到 哪些呢？经总结目前移动机器人主要有这5大定位技术。 移动机器人超声波导航定位技术 超声波导航定位的工作原理也与激光和红外类似，通常是由超声波传感器的发射探头发射出超声波，超声波在介质中遇到障碍物而返回到接收装置。 通过接收自身发射的超声波反射信号，根据超声波发出及回波接收时间差及传播速度，计算出传播距离S，就能得到障碍物到机器人的距离，即有公式：S＝Tv／2式中，T—超声波发射和接收的时间差；v—超声波在介质中传播的波速。 当然，也有不少移动机器人导航定位技术中用到的是分开的发射和接收装置，在环境地图中布置多个接收装置，而在移动机器人上安装发射探头。 在移动机器人的导航定位中，因为超声波传感器自身的缺陷，如：镜面反射、有限的波束角等，给充分获得周边环境信息造成了困难，因此，通常采用多传感器组成的超声波传感系统，建立相应的环境模型，通过串行通信把传感器采集到的信息传递给移动机器人的控制系统，控制系统再根据采集的信号和建立的数学模型采取一定的算法进行对应数据处理便可以得到机器人的位置环境信息。 由于超声波传感器具有成本低廉、采集信息速率快、距离分辨率高等优点，长期以来被广泛地应用到移动机器人的导航定位中。而且它采集环境信息时不需要复杂的图像配备技术，因此测距速度快、实时性好。 同时，超声波传感器也不易受到如天气条件、环境光照及障碍物阴影、表面
粗糙度等外界环境条件的影响。超声波进行导航定位已经被广泛应用到各种移动机器人的感知系统中。 移动机器人视觉导航定位技术 在视觉导航定位系统中，目前国内外应用较多的是基于局部视觉的在机器人中安装车载摄像机的导航方式。在这种导航方式中，控制设备和传感装置装载在机器人车体上，图像识别、路径规划等高层决策都由车载控制计算机完成。 视觉导航定位系统主要包括：摄像机（或CCD图像传感器）、视频信号数字化设备、基于DSP的快速信号处理器、计算机及其外设等。现在有很多机器人系统采用CCD图像传感器，其基本元件是一行硅成像元素，在一个衬底上配置光敏元件和电荷转移器件，通过电荷的依次转移，将多个像素的视频信号分时、顺序地取出来，如面阵CCD传感器采集的图像的分辨率可以从 32×32到1024×1024像素等。 视觉导航定位系统的工作原理简单说来就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后将它反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。 GPS全球定位系统 如今，在智能机器人的导航定位技术应用中，一般采用伪距差分动态定位法，用基准接收机和动态接收机共同观测4颗GPS卫星，按照一定的算法即可求出某时某刻机器人的三维位置坐标。差分动态定位消除了星钟误差，对于在距离基准站1000km的用户，可以消除星钟误差和对流层引起的误差，因而可以显着提高动态定位精度。 但是因为在移动导航中，移动GPS接收机定位精度受到卫星信号状况和道路环境的影响，同时还受到时钟误差、传播误差、接收机噪声等诸多因素的影响，因此，单纯利用GPS导航存在定位精度比较低、可靠性不高的问题，所以在机器人的导航应用中通常还辅以磁罗盘、光码盘和GPS的数据进行导
通过在室内或者室外布设一定数量的UWB定位基站，机器人携带定位标签，最终实现机器人的精准定位导航。 UWB室内定位技术,可以提供最优达2厘米级、一般情况下10厘米以下定位精度，系统定位微基站支持多定位单元扩展，定位微标签支持刷
新率在线调整功能。系统基于先进的基于无线超窄脉冲波的无线定位原理，抗干扰能力强，系统性能稳定可靠，架设简单，维护方便，适合工业应用。 1：无线超窄脉冲定位技术特点 传统的无线定位系统使用WiFi、蓝牙及Zigbee等技术，基于接收信号强度法（RSSI）来对标签位置进行粗略估计，定位精度低，且容易受到干扰，定位稳定性难以适应室内应用的要求。UWB基于超窄脉冲技术的无线定位技术，从根本上解决了这一问题。 无线超窄脉冲电磁波，使用脉冲宽度为ns级的无线脉冲信号作为定位载波，是无线定位领域的定位精度最高，性能最为稳定的技术。在频域上，由于其占用的频带较宽（也被称为超宽带技术，UWB技术），且无线功率密度较低，对于其他的无线设备来说相当于噪声信号，不会对其造成干扰，也加强了自身的抗干扰性。无线定位系统基于超窄脉冲技术，成为国内领先的高精度无线定位产品。
2：定位原理 无线定位系统使用先进的超窄脉冲精确测量飞行时间技术，实现了底层的精确测距/计时；结合位置解算算法，实现了上层的精确定位。其基本原理如下图所示。 基站位置为已知,标签发出无线脉冲,到达每个基站的时间再乘以光速,从而得到标签到每个基站的距离,再通过算法最终就可以得到标签的位置. 3：定位系统构成 无线定位系统的系统架构如下图所示。系统主要包括定位基站、定位标签、定位解算服务器、定位解算引擎及POE交换机、网线等网络设备构成。
无线私人网络的室内定位系统的研究 援引：A Survey Of Indoor Positioning System For Wireless Personal Networks 摘要： 近来，室内定位系统（IPSs）被设计来为个人和设备提供位置信息。私人网络（PNs）被设计来满足用户的需求并且使用户的装备了不同交流软件且在不同地点的设备进行交流并组建一个网络。PNs中的位置可获取服务需要被发展来提供流畅且可获得的私人服务并且提高生活的质量。本篇论文给出了一个易于理解关于多个IPSs的调查。我们以一个PN中的用户的角度比较现存的IPSs和这些系统的大纲轮廓。 1.介绍 准确可靠且实时的室内定位和基于定位的协议和服务在未来通信网络中是不可或缺的。定位系统使得设备的位置信息对于导航，跟踪，监控之类的服务是可获得的。一些基于定位的室内追踪系统已经被应用于医院中的贵重设备上，以免设备被偷盗。 在迅速发展的综合网络和PNs的服务中极为强调用户的需求。人们很多的注意力被放在个人使用的智能情境感知服务上，这使得人们的行为举止更为方便简单。动态和室内环境的不断变化带来的不确定性被定位信息的实用性减小。GPS 是应用最为广泛的卫星定位系统。然而GPS不能在室内使用。相较于室外，室内环境更为复杂，室内有着各种干扰因素。例如气压，噪声，其他的的无线网络信号...... IR，RFID，WLAN，UWB基于这些基本技术，很多公司，大学发展出了很多新的技术。在这篇论文中，我们介绍了很多实用的和科研的IPSs。本篇论文给出了17个现存的17IPSs并且分成了6个标准。我们同样给出了他们各自优点和缺点。 2.个人网络室内定位系统的概述 这一节我们介绍了IPSs和私人网络PNs。我们强调为什么PNs需要位置信息以及现存的IPSs分类。提出了不同的评价标准来比较PNs中的用户需求。
机器人视觉物体定位方法 本次设计的题目是机器人视觉物体定位。伴随社会发展，机器人的利用越来越普及，出现了多种多样的智能机器人，由此也引发了对机器视觉的研究热潮。文章首先介绍了机器视觉的发展历程，并详细说明了各阶段的特点。接着概述了机器视觉技术的原理，深入剖析了主流视觉物体定位方法。然后介绍了机器人视觉物体定位方法常用的几种应用。最后介绍了几种新颖的视觉物体定位方法，并猜想机器人视觉物体定位技术未来发展方向。 关键词：机器视觉 SLAM技术单目视觉双目视觉多目视觉 第一章：绪论 1.1选题的背景及意义 在我国持续爆发的2019新型冠状病毒（即2019-nCoV）事件中,自动化食品仓储配送系统服务包括机器人、无人驾驶、无人机等再次成为讨论的焦点。配送机器人如何实现自动取货送货？无人驾驶汽车是怎么躲避行人？无人机巡航中怎么确定物体之间的距离？当我们谈到相关的话题时，机器视觉定位是无论如何也绕不开的问题。 自被誉为“机器人之父”的恩格尔伯格先生1959年发明第一台机器人以来，科学家一直把对机器人的研究作为研究的重点方向。传统的机器人缺乏环境感知能力和自动应变能力，仅仅只能在严格的预定义的环境中完成一些预定义和指令下的动作,应用非常有限局限。随着机器人逐渐走进人们的生产和生活中，人们也对机器人提出了更高的要求，希望实现在生产加工中对物体的自动加工、对自身运动轨迹实时的随动检测，节省对其运动轨迹的预先编程，提高生产效率。要达到这些要求，必须同时满足图像信息的获取、采集、处理和输出，这就是本文的研究重点：机器人视觉物体定位方法。
机器人视觉物体定位系统的设计和研发是为了更好地为工业机器人服务，它的本质是发挥摄像机定位以及跟踪性功能，很多企业在自身生产环节依赖于机器人，生产效率明显得到改善。然而很多的机器人是半自动的工作模式，只有在人工操控的指引下才能完成工作任务，这样的机器人实用性很差，无法彻底解放人工，实现自动化操作。为了提高机器人接收外界信息、感知外界信息的能力，进一步提高机器人的工作效率，保障工业生产的精度和质量，在以往的机器人系统中新增全新的计算机图像视觉获取系统,通过视觉图像获取系统中所捕捉的图像和外界信息,对捕捉的图像信息进行处理和分析识别，继而让机器人能够识别外界信息，然后再全面分析图像的基础上完成后续的重建和精准化计算，通过一系列的重建以及精准化的计算全面应用机器人控制柜通讯等等设备，掌控全面的工作，实现机器人对外界信息的跟踪和定位。 1.2国内外研究现状 国外研究现状 国外最先开始视觉物体定位技术的研究，应用领域也相对广泛，并且占据绝对的技术优势，其主要涉及机器人移动导航、三维立体测量、虚拟现实VR技术等。 20世纪60年代,美国mit的robert研究人员提出三维景物分析,标志着立体视觉和影像技术的结合点而诞生。立体视觉在此后20年的时间迅速地发展成为一门新的影像技术学科。到70年代时,以marr为主要代表的一批视觉物体定位方法研究学者已经整理和发展出了一整套关于视觉计算的理论基础。到80 年代后，大量利用空间几何研究双目立体视觉的学者提出了一系列理论与实际成果。 卡内基梅隆大学的Tomasi 和Kanade 等人对立体视觉的研究建立在摄像机为正交投影模型的假设下，分解出了三维结构和相机运行，成功研究出了基于图像的三维重建技术。但是，这项技术存在明显的缺点，由于假设相机为正交投影模型，而这个假设仅仅在物体深度远远大于物体尺寸时才是合理假设。美国
机器人定位技术 摘要：定位是确定机器人在其工作环境中所处位置的过程。本文根据定位方式和传感器的不同，把定位技术分为四大类，即航迹推算、信号灯定位、基于地图的定位、基于视觉的定位，并给出了各类定位技术的主体思想及其中的关键技术。并详细分析了了基于视觉的定位和航迹推演的定位方法。具有较高的参高价值。 关键词：移动机器人；传感器；定位技术；视觉； Abstract: positioning is to identify the robot in the process of the location in the work environment.In this paper, depending on the positioning method and the sensor, the positioning technology is divided into four categories, namely dead reckoning, the orientation of light, based on the map, based on visual positioning, and provides all kinds of the main idea of positioning technology, and the key technology.And detailed analysis of positioning method based on visual orientation and track is deduced.With higher and higher value. Key words: mobile robot，The sensor，location technology，Visual 引言 机器人在运动过程中会碰到并解决以下三个问题[1]：（1）我（机器人）现在何处？（2）我要往何处走？（3）我如何到达该处？其中第一个问题是其导航系统总的定位及其跟踪问题，第二、三个是导航系统的路径规划问题。移动机器人定位技术的任务就是解决上面的第一个问题。
室内定位应用及解决方案详解 一、什么是室内定位？如何实现室内位置定位？ 在室内环境无法使用卫星定位时，使用室内定位技术作为卫星定位的辅助定位，解决卫星信号到达地面时较弱、不能穿透建筑物的问题。最终定位物体当前所处的位置。 室内定位是指在室内环境中实现位置定位，主要采用无线通讯、基站定位、惯导定位等多种技术集成形成一套室内位置定位体系，从而实现人员、物体等在 室内空间中的位置监控。 二、做室内定位比较好的公司有哪些？ 近几年做室内定位的创业公司比较多，怎么选择做室内定位比较好的公司？要看该企业是否能够做到满足室内定位用户需求，同时优化成本也是至关重要的一个方面。 例如恒高科技提出从方案设计、安装、运维三方面来优化产品成本投入。 1.方案设计 方案设计的目标是针对不同应用场景设计产品，降低成本投入。能想象到，水电站、化工厂中的室内定位技术部署方式和博物馆、自动驾驶中的部署方式一 定有区别，如果设计方案不适合所应用场景，必然将影响研发、生产等一系列环节，增加时间或人才投入，进而增加成本投入。 当然，并不是说不同应用场景的部署方式一定不同。对于做室内定位服务方案的企业来说，要做的便是归纳用户实际需要，找到共性之后将用户需求分门别类，从而快速完成方案设计。
谈到用户需求的分类方法，按照定位制式可分为两类：跟踪定位（被动定位）和导航定位（主动定位）；按照TDOA定位方法也可分两类：下行TDOA和上行TDOA 两者在定位标签容量、定位动态、定位标签功耗、定位基站功耗方面各有优势，如下图所示。 下IfTPOA与上行TPOA定位方法对比 宦位标签容量 F 行TDOA>上行eoA 定位动态下行TPOA<上行TPOA 定位标签功耗下行丁DOA>上行TPOA 方仿总站功择T 行丁DQA卜irTDHA 以上四种方式自由组合，即能应用在不同场景之中。例如建筑工地、火电厂、水电站、化工厂等通常需要跟踪、导航定位兼得，上/下行TDOA兼得；监狱、港口码头、养老院/疗养院等只需跟踪室内定位与上行TDOA而机器人、无人机、自动驾驶汽车、景区导航等只需导航室内定位与下行TDO A总的来说，方案设 计必须依据应用场景与用户需求来定，不可改变。 2.安装
ULS(Ultimate Location System)室内定位系统介绍 随着数据业务和多媒体业务的快速增加，人们对定位与导航的需求日益增大，尤其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中，常常需要确定移动终端或其持有者、设施与物品在室内的位置信息。常州唯康信息科技有限公司开发的ULS是新型的，基于低速UWB的，专门用于测距及低速数据传输的定位技术。ULS系统产品可用于室内外的定位。 ULS应用国际最先进的定位技术，通过测量无线电波的传输时间(ToF)实现对两个点之间的距离测量，再通过三角定位法计算被测点的实际位置。ULS系统包括移动定位点、固定参考点以及主站系统三部分构成。 ULS定位系统具有以下的特点： 一．定位精度高 目前ULS动态测量精度，在室外空旷地带可以达到1米，在室内可以达到2 米。静态测量，在室内外均可达到最高0.1米的精度。并且可以进行3维测量。 而目前的GPS测量的精度在10-40米之间，通过差分GPS一般精度在1-5米。 下表是各种定位技术的精度比较表。
二．适应范围广 ULS基于低速率UWB技术，采用2.4G频段，使用时无需申请许可。它属于中短距离的射频通讯技术，可以通过组网对网络覆盖的所有范围进行定位，因此可以适用于室内外定位。在室外，每个参考点可以覆盖900米的范围，在室内，可以覆盖100米的范围。 三．精度稳定性高 ULS采用ToF方式测距并获得位置信息，不受天气、遮挡物的影响，通过最小二乘法、卡尔曼滤波等多种算法、最大限度摒除了多径效应对精度的影响，因此在室内室外具有几乎一致的精度及稳定性。 四．使用成本低 ULS技术采用同步双边测距技术来减少误差，与采用TDoA及技术的UWB定位系统相比，摒弃了昂贵的同步读写器，无需时钟同步电缆，也不需要昂贵的智能天线，大大降低了成本。参考点只有其它UWB读取器的价格的1/10-1/5，移动点只有其它UWB移动点价格的1/3-1/2。从此定位系统的大规模推广应用成为可能。 五．实时性能好 ULS定位点，每次定位时间为5-10ms，定位更新速率最高可达100Hz。实际应用中，从0.01Hz到20Hz可随意调节。 六．网络容量大 每一个参考点，同时可以对16个移动点进行定位，每次定位耗时5-10ms。这样，如果移动点以1Hz的更新率进行刷新，每一个参考点可以服务1600-3200个参考点。通过特殊处理，一个测量网络可以同时对多达上万个的移动点进行定位。 七．组网方便 ULS采用自适应的组网协议，参考点之间无需配置，可以自动形成一个无线网络，既可用于定位，也可用于定位数据传输。高级版本的ULS参考点具有自动
基于机器视觉的工业机器人定位系统 基于机器视觉的工业机器人定位系统 类别：传感与控制 摘要：建立了一个主动机器视觉定位系统,用于工业机器人对零件工位的精确定位。采用基于区域的匹配和形状特征识别相结合的图像处理方法,该方法经过阈值和形状判据,识别出物体特征。经实验验证,该方法能够快速准确地得到物体的边界和质心,进行数据识别和计算,再结合机器人运动学原理控制机器人实时运动以消除此误差,满足工业机器人自定位的要求。 1.引言目前工业机器人仅能在严格定义的结构化环境中执行预定指令动作，缺乏对环境的感知与应变能力，这极大地限制了机器人的应用。利用机器人的视觉控制，不需要预先对工业机器人的运动轨迹进行示教或离线编程，可节约大量的编程时间，提高生产效率和加工质量。Hagger 等人提出通过基于机器人末端与目标物体之间的误差进行视觉反馈的方法；Mezouar 等人提出通过图像空间的路径规划和基于图像的控制方法。国内这方面主要应用于焊接机器人对焊缝的跟踪。本文利用基于位置的视觉伺服思想，以六自由度垂直关节型喷涂机器人为载体，提出一种基于机器视觉的工业机器人自定位控制方法，解决了机器人末端实际位置与期望位置相距较远的问题，改善了喷涂机器人的定位精度。 2.视觉定位系统的组成机器人视觉定位系统构成如图 1 所示，在关节型机器人末端安装喷涂工具、单个摄像机，使工件能完全出现在摄像机的图像中。系统包括摄像机系统和控制系统：（1）摄像机系统：由单个摄像机和计算机（包括图像采集卡）组成，负责视觉图像的采集和机器视觉算法；（2）控制系统：由计算机和控制箱组成，用来控制机器人末端的实际位置；经 CCD 摄像机对工作区进行拍摄，计算机通过本文使用的图像识别方法，提取跟踪特征，进行数据识别和计算，通过逆运动学求解得到机器人各关节位置误差值，最后控制高精度的末端执行机构，调整机器人的位姿。 图1 喷涂机器人视觉定位系统组成 3.视觉定位系统工作原理 3.1 视觉定位系统的工作原理使用 CCD 摄像机和1394 系列采集卡，将视频信号输入计算机，并对其快速处理。首先选取被跟踪物体的局部图像，该步骤相当于离线学习的过程，在图像中建立坐标系以及训练系统寻找跟踪物。学习结束后，图像卡不停地采集图像，提取跟踪特征，进行数据识别和计算，通过逆运动学求解得到机器人各关节位置给定值，最后控制高精度的末端执行机构，调整机器人的位姿。工作流程如图2 所示。图 2 视觉定位系统软件流程图 3.2 基于区域的匹配本文采用的就是基于区域的相关匹配方法。它是把一幅图像中的某一点的灰度领域作为模板，在另一幅图像中搜索具有相同（或相似）灰度值分布的对应点领域，从而实现两幅图像的匹配。在基于区域相关的算法中，要匹配的元素是固定尺寸的图像窗口，相似准则是两幅图像中窗口间的相关性度量。当搜索区域中的元素使相似性准则最大化时，则认为元素是匹配的。定义P (i, j) P 是模板图像中一点，取以P (i, j) P 为中心的某一邻域作为相关窗口K ，大小为(2w +1)，假设K 在原始图中，水
移动机器人视觉定位方法的研究 针对移动机器人的局部视觉定位问题进行了研究。首先通过移动机器人视觉定位与目标跟踪系统求出目标质心特征点的位置时间序列，然后在分析二次成像法获取目标深度信息的缺陷的基础上，提出了一种获取目标的空间位置和运动信息的方法。该方法利用序列图像和推广卡尔曼滤波，目标获取采用了HIS模型。在移动机器人满足一定机动的条件下，较精确地得到了目标的空间位置和运动信息。仿真结果验证了该方法的有效性和可行性。 运动视觉研究的是如何从变化场景的一系列不同时刻的图像中提取出有关场景中的目标的形状、位置和运动信息，将之应用于移动机器人的导航与定位。首先要估计出目标的空间位置和运动信息，从而为移动机器人车体的导航与定位提供关键前提。 视觉信息的获取主要是通过单视觉方式和多视觉方式。单视觉方式结构简单，避免了视觉数据融合，易于实现实时监测。如果利用目标物体的几何形状模型，在目标上取3个以上的特征点也能够获取目标的位置等信息。此方法须保证该组特征点在不同坐标系下的位置关系一致，而对于一般的双目视觉系统，坐标的计算误差往往会破坏这种关系。 采用在机器人上安装车载摄像机这种局部视觉定位方式，本文对移动机器人的运动视觉定位方法进行了研究。该方法的实现分为两部分：首先采用移动机器人视觉系统求出目标质心特征点的位置时间序列，从而将对被跟踪目标的跟踪转化为对其质心的跟踪；然后通过推广卡尔曼滤波方法估计目标的空间位置和运动参数。 1.目标成像的几何模型 移动机器人视觉系统的坐标关系如图1所示。 其中O-XYZ为世界坐标系；Oc-XcYcZc为摄像机坐标系。其中Oc为摄像机的光心，X 轴、Y轴分别与Xc轴、Yc轴和图像的x，y轴平行，Zc为摄像机的光轴，它与图像平面垂直。光轴与图像平面的交点O1为图像坐标系的原点。OcO1为摄像机的焦距f. 图1 移动机器人视觉系统的坐标关系
新型机器人室内定位技术 XXX软件研究所有限公司 一，技术背景 机器人六十年代，自第一台机器人装置诞生以来，机器人的发展经历了一个从低级到高级的发展过程。第一代机器人为示教再现型机器人，是通过计算机来控制多自主的机械装置，通过示教存储程序把信息读取出来并发出指令，也可以根据人示教的结果再现动作，它对于外界的环境没有感知能力。在20世纪70年代后期人们开始研究第二代机器人：带感觉的机器人。这种机器人有类似人类的力觉、触觉、听觉、视觉等。第三代机器人是智能机器人，它是当今机器人发展的热点和重点，机器人通过各种传感器获取环境信息，利用人工智能识别、理解、推理并进行判断和决策来完成一定的任务。因此智能机器人除了具有感知环境和简单的适应环境能力外，还具有较强的识别理解能力和决策规划能力。80年代中期，技术革命的第三次浪潮冲击着全世界，机器人总数每年以30%以上的速度增长。1986年国家把智能机器人课题列为高技术发展计划，进入90年代，在国内市场经济发展的推动下，确定了机器人及其应用工程并重、以应用带动关键技术和基础研究的发展方针，实现了高技术发展与国民经济主战场的密切衔接，研制出有自主支持产权的工业机器人系列产品，并小批量试产，完成了一批机器人应用工程，建立了9个机器人产业化基地和7个科研基地。通过多年的努力，取得了举世瞩目的硕果。本公司的智能移动机器人具备超声、红外等多传感器融合的导航系统，可以在一定的室内环境中自由行走，实现定位与自动避障等功能，在国内处于先进水平，具有一定影响力。 随着机器人技术的发展，具有移动行走功能、环境感知能力以及自主规划能力智能移动机器人得到了各国研究人员的普遍重视，特别是在20世纪八、九十年代，随着计算机技术、微电子技术、网络技术等的快速发展，机器人技术的发展突飞猛进。本公司的智能移动机器人的重要特点在于它的自主性和适应性。自主性是指它可以在一定的环境中，不依赖外部控制，完全自主地执行一定的任务；适应性是指它可以实时识别和测量周围的物体，并根据环境变化，调节自身参数、动作策略以及处理紧急情况。 随着智能移动机器人技术的发展，其在军事、医疗、商业等领域发挥着重要的作用，人们对智能移动机器人的需求和期望也越来越高，越来越迫切，移动机器人研究从而进入了崭新的发展阶段。定位技术是智能移动机器人的研究核心，同时也是其实现完全自动化的关键技术。机器人只有准确知道自身位置，工作空间中障碍物的位置以及障碍物的运动情况等信息，才能安全有效地进行移动，由此可见，自主定位和环境分析是移动机器人最重要的能力之一。
七大室内定位技术PK
七大室内定位技术PK 随着LBS和O2O搅得火热，定位技术近年来也备受关注且发展迅速。虽然室外定位技术已经非常成熟并开始被广泛使用，但是作为定位技术的末端，室内定位技术发展一直相对缓慢。而随着现代人类生活越来越多的时间都处在室内，室内定位技术的前景也非常广阔。 但虽然作为LBS最后一米的室内定位饱受关注，但技术的不够成熟依然是不争的事实。不同于GPS，AGPS等室外定位系统，室内定位系统依然没有形成一个有力的组织来制定统一的技术规范，现行的技术手段都是在各个企业各自定义的私有协议和方案下发展，也致使各种室内定位技术相映生辉。 下面我们就从精确度，穿透性，抗干扰性，布局复杂程度，成本5个方面全方位来比较一下市面上流行的几种室内定位手段。 红外线定位技术
超声波室内定位系统是基于超声波测距系统而开发，由若干个应答器和主测距器组成：主测距器放置在被测物体上，向位置固定的应答器发射同无线电信号，应答器在收到信号后向主测距器发射超声波信号，利用反射式测距法和三角定位等算法确定物体的位置。 超声波室内定位整体精度很高，达到了厘米级，结构相对简单，有一定的穿透性而且超声波本身具有很强的抗干扰能力，但是超声波在空气中的衰减较大，不适用于大型场合，加上反射测距时受多径效应和非视距传播影响很大，造成需要精确分析计算的底层硬件设施投资，成本太高。 超声波定位技术在数码笔上已经被广泛利用，而海上探矿也用到了此类技术，室内定位技术还主要用于无人车间的物品定位。 射频识别(RFID)室内定位技术 精确度：★★★★★ 穿透性：★★★☆☆ 抗干扰性：★★☆☆☆ 布局复杂程度★★☆☆☆ 成本：★★☆☆☆ 射频识别室内定位技术利用射频方式，固定天线把无线电信号调成电磁场，附着于物品的标签进过磁场后感应电流生成把数据传送出去，以多对双向通信交换数据以达到识别和三角定位的目的。(感应门禁卡和商场防盗系统用的就是这种技术) 射频识别室内定位技术作用距离很近，但它可以在几毫秒内得到厘米级定位精度的信息，且由于电磁场非视距等优点，传输范围很大，而且标识的体积比较小，造价比较低。但其不具有通信能力，抗干扰能力较差，不便于整合到其他系统之中，且用户的安全隐私保障和国际标准化都不够完善。 射频识别室内定位已经被仓库、工厂、商场广泛使用在货物、商品流转定位上。
一种基于WiFi的室内定位系统设计与实现 雷地球, 罗海勇, 刘晓明 （中国科学院计算技术研究所, 普适计算研究中心, 北京 100190） 摘要:本文设计及实现了一个基于WiFi射频信号强度指纹匹配的移动终端定位系统，并设计实现了一种基于权重值选择的定位算法。该算法为每个扫描到的AP的RSSI设定了选择区间，指纹库中落在此区间的所有位置点设平均权值，最后选取权重值最大者为待定位点的位置估计，如有相同权重值，则比较信号强度距离，取最小者，这种算法在一定程度上克服了RSSI信号随机抖动对定位的影响，提高了定位的稳定性和精度。经实验测试，此系统在4米范围内具有良好的定位效果。可部署在展馆、校园、公园等公共场所，为客户提供定位导航服务。定位算法运行于服务端，客户端为配备WiFi模块的Android手机。借助该定位系统，基于Android系统的移动终端可方便地查询自身位置，并获取各种基于位置服务。 关键词:接收信号强度；无线室内定位；射频指纹；Android操作系统 Design and Implement an Indoor Location System based on WiFi Lei Diqiu, Luo Haiyong, Liu Xiaoming (Pervasive Computing Research Center, Institute of Computer Technology, Chinese Academy of Sciences, Beijing, 100190, China) Abstract: This paper designs and implements an indoor location system based on WiFi for mobile user with Android handset. A locating arithmetic based on Weight-Select is introduced to filter the random noise of RSSI. For each location in Radio Map, a weight is set if the RSSI of the AP scanned is in the interval preset. Then max-weighted location or the min-RSSI-distance among them will be selected as the estimated position. According to experiments, 4-metre locating precision is available. It can be used for locating and navigating in such scene as exhibition center, campus, park, and so on. Users equipped with Android handset could get its location and some intelligent services. It is also an open and extensible system. Some locating arithmetic also could be tested on this system. Key words: Received Signal Strength, Wireless Indoor Locating, Radio Map, Android Operating System 1.引言 位置信息在人们的日常生活中扮演着重要的作用。在郊外、展览馆、公园等陌生环境中，使用定位导航信息可为观众游览提供更便捷的服务；在仓储物流过程中，对物品进行实时定位跟踪将大大提高工作效率；在监狱环境中，及时准确地掌握相关人员的位置信息，有助于提高安全管理水平，简化监狱管理工作。 目前全球定位系统（GPS，Global Positioning System）是获取室外环境位置信息 基金资助：国家自然基金(60873244、60973310、60772070)、北京自然基金(4102059) 联系作者：雷地球，E-mail：leidiqiu@https://www.doczj.com/doc/d014958464.html, 的最常用方式。近年来，随着无线移动通信技术的快速发展，GPS和蜂窝网络相结合的A-GPS（Assisted Global Positioning System）定位方式[1]在紧急救援和各种基于位置服务（LBS，Location-Based Services）中逐渐得到了应用。但由于卫星信号容易受到各种障碍物遮挡，GPS/APGS等卫星定位技术并不适用于室内或高楼林立的场合，目前无线室内定位技术迅速发展，已成为GPS的有力补充。 一般来讲，使用无线信号强度获取目标位置信息的过程，就是建立无线信号强度和位置信息稳定映射关系的过程。现有室内无线定位