目錄
前言
第1章 基礎知識 1
1.1 研究背景 1
1.2 國內(nèi)外研究現(xiàn)狀 2
1.3 本書所用特征 5
1.3.1 深度幾何特征 5
1.3.2 SIFT 特征 6
1.3.3 SURF 特征 8
1.4 本書所用算法 8
1.4.1 結(jié)構(gòu)隨機森林 8
1.4.2 K 均值聚類 9
1.4.3 SVM 10
1.4.4 RBPF-SLAM 11
1.5 本章小結(jié) 12
參考文獻 12
第2章 基于 SRF 的工具功用性部件建模與檢測 15
2.1 系統(tǒng)框架 15
2.2 模型離線訓練 16
2.2.1 功用性邊緣檢測器構(gòu)建 16
2.2.2 工具部件功用性檢測器構(gòu)建 18
2.2.3 由粗到精閾值選取 19
2.3 工具功用性部件在線檢測 19
2.4 實驗 20
2.4.1 實驗數(shù)據(jù)集 20
2.4.2 評價方法 20
2.4.3 實驗結(jié)果分析 22
2.5 本章小結(jié) 25
參考文獻 25
第3章 基于聯(lián)合學習的家庭日常工具功用性部件檢測 27
3.1 系統(tǒng)框架 27
3.2 問題描述與公式化表示 28
3.3 模型優(yōu)化與解耦求解 29
3.3.1 模型優(yōu)化 30
3.3.2 CRF 權重求解 31
3.3.3 字典求解 31
3.4 算法實現(xiàn) 32
3.4.1 幾何特征表示與提取 32
3.4.2 基于聯(lián)合學習的模型構(gòu)建算法 32
3.4.3 功用性部件在線檢測算法 33
3.5 實驗 33
3.5.1 實驗數(shù)據(jù)集 33
3.5.2 實驗條件 34
3.5.3 實驗結(jié)果分析 34
3.6 本章小結(jié) 37
參考文獻 37
第4章 基于特征優(yōu)選和部件組合的家庭日常工具分類 39
4.1 系統(tǒng)框架 39
4.2 特征描述與最優(yōu)組合選取 40
4.2.1 特征描述 40
4.2.2 ReliefF 最優(yōu)特征組合選取 41
4.3 基于 BOW 的服務機器人家庭日常工具分類模型構(gòu)建 42
4.3.1 模型離線構(gòu)建 43
4.3.2 在線分類檢測 45
4.4 實驗 46
4.4.1 實驗數(shù)據(jù)集 46
4.4.2 實驗結(jié)果及分析 46
4.5 本章小結(jié) 50
參考文獻 50
第5章 部件功用性語義組合的家庭日常工具分類 51
5.1 系統(tǒng)框架 51
5.2 模型離線構(gòu)建 52
5.2.1 功用性部件邊緣特征描述 52
5.2.2 功用性邊緣檢測器構(gòu)建 52
5.2.3 基于功用性部件組合聚類的工具字典構(gòu)建 54
5.3 基于功用性工具字典的家庭日常工具分類 55
5.4 實驗 56
5.4.1 實驗數(shù)據(jù)集 56
5.4.2 實驗結(jié)果與分析 57
5.5 本章小結(jié) 60
參考文獻 60
第6章 基于空間金字塔池化的工具識別 62
6.1 系統(tǒng)框架 62
6.2 構(gòu)建工具特征圖的空間池化模型 63
6.2.1 工具幾何特征描述 63
6.2.2 基于 cciPCA 的多尺度特征塊提取 63
6.2.3 空間池化金字塔的構(gòu)建 64
6.3 多分類的線性分類模型構(gòu)建 65
6.4 模型選擇及實驗結(jié)果 66
6.4.1 實驗數(shù)據(jù)集 66
6.4.2 實驗結(jié)果及分析 67
6.5 本章小結(jié) 69
參考文獻 69
第7章 基于 CLM 模型的服務機器人室內(nèi)功能區(qū)分類方法 71
7.1 系統(tǒng)框架 71
7.2 基于 CLM 算法的功能區(qū)圖像模型構(gòu)建 72
7.2.1 提取圖像特征描述符 72
7.2.2 圖像高斯模型表示與匹配 73
7.2.3 圖像高斯模型的優(yōu)化 74
7.2.4 學習改進的 SVM 分類器 74
7.2.5 室內(nèi)功能區(qū)建模算法描述 75
7.3 在線檢測算法 76
7.4 實驗 76
7.4.1 實驗數(shù)據(jù)集 76
7.4.2 實驗結(jié)果及分析 77
7.5 本章小結(jié) 78
參考文獻 79
第8章 服務機器人家庭全息地圖表示與構(gòu)建 80
8.1 家庭全息地圖的表示 80
8.2 家庭全息地圖的構(gòu)建 81
8.2.1 機器人觀測模型 81
8.2.2 局部幾何特征地圖的構(gòu)建 83
8.2.3 全局拓撲地圖的構(gòu)建 87
8.2.4 幾何{拓撲地圖的存儲結(jié)構(gòu) 89
8.3 實驗 90
8.3.1 實驗描述 90
8.3.2 家庭環(huán)境地圖的構(gòu)建 92
8.3.3 實驗分析 92
8.4 本章小結(jié) 93
參考文獻 94
第9章 物聯(lián)網(wǎng)機器人同時標定與定位算法 95
9.1 系統(tǒng)模型 95
9.1.1 系統(tǒng)構(gòu)成 95
9.1.2 機器人運動模型 95
9.1.3 攝像機對機器人的觀測模型 96
9.1.4 攝像機投影矩陣的標定 98
9.2 基于 RBPF 的物聯(lián)網(wǎng)機器人定位 98
9.2.1 基本思想 98
9.2.2 構(gòu)建位姿粒子的提議分布 99
9.2.3 計算粒子權重及重采樣 100
9.2.4 估計投影矩陣 102
9.3 實驗 103
9.4 本章小結(jié) 105
參考文獻 105
第10章 物聯(lián)網(wǎng)機器人系統(tǒng)同時定位、標定與建圖方法 106
10.1 系統(tǒng)描述 106
10.1.1 系統(tǒng)構(gòu)成 106
10.1.2 問題簡化 107
10.1.3 模型建立 107
10.2 物聯(lián)網(wǎng)機器人系統(tǒng)同時定位、標定與建圖 109
10.2.1 基本思想 109
10.2.2 傳感器網(wǎng)絡輔助機器人位姿估計 110
10.2.3 粒子權值計算及重采樣 113
10.2.4 傳感器網(wǎng)絡標定 115
10.2.5 環(huán)境特征地圖構(gòu)建 117
10.2.6 同時定位、標定與建圖的完整算法 119
10.3 實驗 121
10.4 本章小結(jié) 125
參考文獻 125
彩圖