摘要：针对室内移动机器人在智能服务任务中难以获得复杂环境语义的问题,通过设计云端语义库,实现基于语义获取框架的机器人语义地图构建,使机器人不仅掌握面向导航的环境几何描述,而且获得了复杂环境下基于丰富语义库的含物品关联归属关系的语义地图,解决了语义地图构建过程中语义信息添加可靠性低、地图更新存在误差及扩展性不足等问题.首先给出了一种语义库构建方案,基于支持向量机实现语义库分类形成子语义库,在子语义库基础上基于网络文本分类来提取关键特征点形成特征模型库,通过语义分类列表整合子语义库实现物品查询.其次,论述了面向智能服务任务的云端语义地图实现,基于多尺度图像分割与视差图分析,设计标注库与归属库描述物品关联归属关系.最后进行了有关语义地图构建及语义库分类效率的仿真实验与结果分析,验证了方法的有效性.

摘要：针对园区等环境结构性强而全球导航卫星系统(GNSS)信号不稳定的应用场景及无人车应用激光雷达同时定位与建图(SLAM)技术缺乏对于场景的语义理解能力而造成的定位误差问题,提出了一种单目相机与激光雷达融合构建三维语义地图的方法。该方法以园区环境结构性强、车辆行人动态变化高的特征为依据,通过改进的全景特征金字塔网络(PFPN)进行场景视觉语义分割,然后采用像素级融合方法为激光点云提供语义信息,从而有效地去除了正态分布变换(NDT)建图过程中动态目标的干扰,进而提高了无人车SLAM技术在动态环境中的鲁棒性和精确性。在旋风智能无人驾驶平台上进行实验验证,并与原始NDT方法进行了比较,实验结果表明:所提方法能够全面提升建图精度,其中位姿精度最为显著,提高了34.34%;除此之外,建图的点云数量也降低了39.78%,大大提高了建图速度。

摘要：致使是一种常见的语法范畴,普遍存在于人类各种语言中,汉语中“叫”字标记致使句具有多功能性。立足于语义地图模型,构建汉语“叫”字标记致使句的概念空间和相关语义地图,从共时和历时层面上探讨各功能之间的联系和演变路径。同时,结合历时语料,验证其功能的演化过程。

摘要：基于Matlab,设计了专门用于分析语料数据,构建概念空间和语义地图的绘制软件CSM V1.0,并以汉语被动句主语的功能分析为例,对CSM V1.0进行检验.结果表明:该软件能满足数据统计与图像绘制的专业需求,减少了语义地图的误差与错误,软件功能更加多样化.但是,该软件在有关语义地图中多功能关联度、断链与回路等问题,还需进一步探讨.

摘要：针对在动态场景下视觉同步定位与建图(SLAM)鲁棒性差、定位与建图精度易受动态物体干扰的问题,设计一种基于改进DeepLabv3plus与多视图几何的语义视觉SLAM算法。以语义分割网络DeepLabv3plus为基础,采用轻量级卷积网络MobileNetV2进行特征提取,并使用深度可分离卷积代替空洞空间金字塔池化模块中的标准卷积,同时引入注意力机制,提出改进的语义分割网络DeepLabv3plus。将改进后的语义分割网络DeepLabv3plus与多视图几何结合,提出动态点检测方法,以提高视觉SLAM在动态场景下的鲁棒性。在此基础上,构建包含语义信息和几何信息的三维语义静态地图。在TUM数据集上的实验结果表明,与ORB-SLAM2相比,该算法在高动态序列下的绝对轨迹误差的均方根误差值和标准差(SD)值最高分别提升98%和97%。

摘要：张家口方言副词"倒"具有多功能性,作为语气副词,用来表示预期相反;作为时间副词,用来表示变化实现;作为关联副词,用来表示结果达成。"倒"的语气副词用法分别发展出时间副词和关联副词用法。在共同语和方言中,"倒"的功能差异形成偏侧关系,语义地图绘制可破解其偏侧关系。

摘要：针对当前视觉同步定位与地图构建(visual simultaneous localization and mapping,VSLAM)算法鲁棒性较差,无法生成适合自主导航的语义地图等问题,提出一种基于实例分割的视觉SLAM算法。在对输入图像提取特征点的同时,使用卷积神经网络对图像进行实例分割;利用实例分割信息辅助定位,剔除容易造成误匹配的特征点,缩小特征匹配的区域;使用实例分割的语义信息构建语义地图。使用TUM数据集对图像实例分割、视觉定位以及语义地图构建进行实验验证,验证结果表明,该算法提高了机器人定位的准确性,生成了精确的语义地图,满足机器人执行高级任务的需求。

摘要：针对ORB-SLAM2算法在动态场景下定位精度有限导致基于该算法的三维建图出现重叠和错误等问题,结合Farneback光流法剔除动态目标的特征点,优化相机位姿,使用语义分割模型PSPNet提取的语义信息剔除场景中的动态目标,得到静态的三维语义地图。在公开的TUM数据集上的实验结果表明,Farneback光流法有效提高了室内动态环境下移动机器人的定位精度,绝对轨迹的均方根误差平均可达到50.74%的提升,平移和旋转漂移的误差也明显改善。对公开数据集和真实场景构建三维语义地图,与其它SLAM算法进行建图对比,能更准确构建动态场景下静态的三维语义地图。

摘要：为解决家庭服务机器人在实体搜索缺乏语义信息的问题,研究融合视觉信息的语义导航实体搜索算法。首先,提出基于Places205-AlexNet的场景自适应识别算法,以促进机器人对场景标注的自适应性;其次,设计实体在语义地图上的位置映射方法,帮助机器人能以人的生活习惯理解人类居住环境,具备室内物体识别能力;然后,为了获取场景信息和物体语义信息,提出了面向语义导航的实体语义知识库构建方法,使机器人进行实体搜索时能更容易定位到场景;最后,在给出基于面向语义导航的实体语义知识库构建方法的基础上,提出了融合视觉信息的语义导航实体搜索算法。实验数据表明,机器人执行实体搜索的导航准确率均在0.75以上,这证明所提出的算法能够获得较准确的场景信息和实体语义信息。

摘要：语义信息应用研究是自主移动机器人在导航中实现智能任务规划基础研究的核心内容之一,它涉及到语义地图、语义定位、语义知识表示、语义推理等技术,它在移动机器人任务规划中起到人-机-环境交互的桥梁作用,让机器人具备人的视角去理解周围的环境、自主识别、推理和完成指定任务。重点从语义地图、语义定位和语义知识表示三个方面分析和总结语义信息在自主移动机器人导航过程中的应用,同时展望了语义信息在自主移动机器人导航应用中的发展趋势。