无标定摄像机手眼系统平移下的目标深度估计

在基于图像的视觉伺服手眼系统中,往往需要通过估计获得目标的深度信息.为此,提出了通过控制装有摄像机的机械手进行纯平移运动,从获取图像序列特征点的变化来估计目标深度的新方法.首先利用四次纯平移运动,离线计算手眼关系的旋转矩阵;在线阶段,利用该旋转矩阵将机械手平移转换为摄像机平移,再结合平移前后图像极点不变的特性,实现目标深度实时估计.与以往方法不同,新方法无需进行摄像机参数标定,并对图像匹配噪声和手眼系统运动误差具有一定的鲁棒性.     

基于分层结构模型的机器人足球决策系统设计

提出了一种基于全局视觉的分层结构模型的机器人足球策略系统,能够适应比赛中机器人数目的变更.介绍了这种分层结构模型的设计以及在机器人足球系统中的应用.通过实际比赛,验证了模型的效率和实用性.     

一种基于视觉特征的移动机器人定位方法

为提高移动机器人在拥挤、混杂的室内环境中的定位能力,提出了在图像显著特征区域内提取积分不变特征-LSRII(local salient region integral invariant)特征的方法,并将LSRII特征应用到粒子滤波定位中,实现机器人在室内环境下的全局定位.实验结果表明,所提出的定位方法在拥挤、混杂的室内环境中能够实现可靠的定位.     

家庭服务机器人基于NDT扫描匹配的SLAM研究

将正态分布变换（NDT）应用于基于扫描匹配的SLAM中,实现了家庭服务机器人较大规模室内环境下的建图。该方法利用计算扫描点的正态概率分布匹配代替几何特征之间的匹配,有效解决了现有方法匹配速度慢的问题。     

无标定主点坐标的双焦测距算法及精度研究

成像物镜具有两个独立的焦距,通过对空间物体成像并进行分析可获取其深度信息,此即双焦测距的原理。本文首先分析了图像主点坐标标定对双焦测距精度的影响,找到了双焦图像中两种相对于主点坐标的不变量,进而提出了基于此不变量的双焦测距算法,避免了繁琐的标定环节并提高了算法精度。与传统算法的实验对比表明了本文算法是正确可行的。     

端到端的面向任务型对话系统多任务优化模型

在对话系统中的自然语言理解模块中存在着意图检测与插槽填充两个任务，这两个任务之间存在着极强的相关性，即插槽信息的生成高度依赖于意图信息。然而，现有工作大部分将其视为两个独立任务实现，导致对话系统的准确率无法得到进一步提升。为此，针对对话系统中意图检测任务与插槽填充任务之间的相关性信息，在已有工作的基础上提出了端到端的基于Stack-Propagation(堆栈传播)思想实现的网络模型。该模型在解码器阶段借鉴并改进了Stack-Propagation框架的思想，即将意图检测的结果加入到插槽填充任务的输入中，使用意图检测的结果去进一步指导插槽填充任务的进行。通过在斯坦福多领域对话数据集上进行实验，证明该模型不仅可以充分利用意图检测任务与插槽填充任务之间的相关性信息，还可以通过联合学习达到相互促进的效果，最终有效提高对话系统的准确率。