The invention relates to a scene cognitive map construction method and a navigation method based on a mouse hippocampus, belonging to the field of robot environment cognition and motion navigation technology. When the location of the robot is detected, the discharge rate is greater than the location of the cell discharge threshold, it is necessary to record the discharge information P
【技术实现步骤摘要】
一种基于鼠脑海马的情景认知地图构建及导航方法
本专利技术涉及一种基于鼠脑海马认知机理和情景认知记忆的机器人认知地图构建及导航方法。依据哺乳动物的海马认知机理,外界环境信息通过海马体的空间细胞进行表达,该方法用于自主移动机器人在非结构化和多尺度环境下的导航。
技术介绍
智能移动机器人是能够通过自身携带的传感器感知外界未知环境和自身状态,实现在有障碍物的环境中进行面向目标的自主壁障,从而完成一定作用功能的机器人系统。通常来说,移动机器人依靠传感器在环境中按照既定的任务,完成从起点到目标点的移动,即解决“我在哪里?要到哪去?怎么去”三个基本问题。当机器人进入一个新的环境中时,机器人智能通过会对环境进行进一步的认知和学习,其方式是与环境进行交互、探索。当前移动机器人系统在基于贝叶斯概率算法的环境建图及导航已有丰富的成果,如卡尔曼滤波、扩展卡尔曼滤波、粒子滤波、图优化等算法。但是受生物启发的地图构建方法和导航研究仍旧没有掀起研究的热潮。人类以及哺乳动物拥有丰富的视觉、听觉、味觉、嗅觉、触觉等外界刺激,每时每刻都在接收者大量的感知数据。但是,他们却总能用一种灵巧的方式对这些数据进行获取和处理。尤其是人类大脑能从感知信息抽象出对环境整体的认知,形成一种理解和记忆,并根据这种记忆做出更复杂的活动。模仿大脑进行高效准确的对环境进行认知是人工智能领域的核心挑战,研究生物大脑内部结构和信息处理回路也成为了人工智能领域的热门方向。根据生物认知环境的研究发现,哺乳动物(老鼠、人等)对外部世界的感知很大一部分是通过视觉信息从眼球传入大脑。在大脑皮层中有一部分专门的区域(图1大脑视觉区 ...
【技术保护点】
一种基于鼠脑海马的情景认知地图构建及导航方法,其特征在于:该方法是一种基于鼠脑海马认知机理的机器人室内空间情景认知地图构建及导航方法,该方法依次按以下步骤实现:步骤(1)构建基于鼠脑海马认知机理的机器人室内情景认知地图的前端信息输入系统,该系统包括运动采集部件、运动部件、深度相机和中央处理系统;运动采集部件包含:编码器和电子罗盘;编码器用以采集机器人运动的速度信息;电子罗盘用以采集机器人的运动方向角信息;运动部件由控制机器人运动的电机驱动电路组成;深度相机用以采集机器人运动的RGB图像和深度图像,以此来估算机器人基于视觉的运动速度和方向角信息;中央处理系统即CPU设置在机器人内部;CPU设有机器人方向角信息输入端、机器人速度信息输入端、视频流输入端和电机运动控制信号输入端,机器人方向角信息输入端与电子罗盘输出端相连,机器人速度信息输入端与测速装置输出端相连,视频流输入端与机器人运动的RGB图像和深度图像相连,电机运动控制信号输入端与电机驱动电路输入端相连;初始化系统之后,所述CPU中:网格细胞层,对应于设在室内地面上的二维笛卡尔坐标上所有m
【技术特征摘要】
1.一种基于鼠脑海马的情景认知地图构建及导航方法,其特征在于:该方法是一种基于鼠脑海马认知机理的机器人室内空间情景认知地图构建及导航方法,该方法依次按以下步骤实现:步骤(1)构建基于鼠脑海马认知机理的机器人室内情景认知地图的前端信息输入系统,该系统包括运动采集部件、运动部件、深度相机和中央处理系统;运动采集部件包含:编码器和电子罗盘;编码器用以采集机器人运动的速度信息;电子罗盘用以采集机器人的运动方向角信息;运动部件由控制机器人运动的电机驱动电路组成;深度相机用以采集机器人运动的RGB图像和深度图像,以此来估算机器人基于视觉的运动速度和方向角信息;中央处理系统即CPU设置在机器人内部;CPU设有机器人方向角信息输入端、机器人速度信息输入端、视频流输入端和电机运动控制信号输入端,机器人方向角信息输入端与电子罗盘输出端相连,机器人速度信息输入端与测速装置输出端相连,视频流输入端与机器人运动的RGB图像和深度图像相连,电机运动控制信号输入端与电机驱动电路输入端相连;初始化系统之后,所述CPU中:网格细胞层,对应于设在室内地面上的二维笛卡尔坐标上所有mg个坐标点组成的一个以矩阵形式表述的二维坐标点组成的矩阵,此时(x,y)坐标点对应的笛卡尔坐标系中的坐标;同时将网格细胞对应到二维坐标空间的网格点上,即一个网格细胞即对应着一个坐标点,坐标的原点对应于机器人运动时的初始点,设在网格角部,多个网格细胞放电域在一个坐标点上发生相互交叠时构成一个网格节点,x轴或y轴上的坐标点视为网格细胞在坐标点上的覆盖,头朝向细胞有其偏好位置放电率为最大;放电率为最大的位置为头朝向的最大偏好位置;在这每个节点上会有若干个头朝向细胞为其确定方向,确定方向的取值为0~360度;每个网格细胞节点综合作用下的偏好方向就是机器人实际的运动方向;表现为通过放电率判断网格细胞放电的方向,即相对于笛卡尔坐标系中的倾斜度;此时这个倾斜度即为机器人运动时的运动方向角;机器人会通过视觉信息跟踪环境中的信息,以此来校正自运动信息;通过对深度相机传来的视频流进行RGB图和深度图的特征提取之后,对特征进行跟踪,通过计算视频流中的每一帧之间的变换关系即得到位置与位置之间的变换矩阵T经过计算之后会得到机器人在环境基于视觉的运动方位角和运动速度;此时与自运动信息进行权值加权之后获得校正之后的运动方位角和运动速度;机器人在探索环境过程中,在时刻t,头朝向细胞产生一个角度调节信号,其放电率是与运动方位角相关;条纹细胞产生一个速度调节信号,其放电率与头朝向细胞的角度、相位、在头朝向方向移动的速度相关;步骤(2)系统依次按如下步骤处理机器人自运动信息和外界异构信息,即描述机器人的位置:步骤(2.1)网格细胞吸引子由其递归的连接权值决定;网格细胞递归的连接权值又与条纹细胞的连接权值一起作用于整个网格细胞吸引子网络;整个细胞建立模型使用二维连续吸引子模型;步骤(2.2)位置细胞与位于内嗅皮质的网格细胞不同,位置细胞能够对空间位置进行特征性的编码,特征性的编码是认知地图的重要组成部分;位置细胞联合响应产生了对一个环境空间的离散表达;当位置细胞在此处被激发的时候,将会在以异我为参考系下的当前位置,建立大脑中位置野与外界环境特定位置之间的映射关系;由于位置细胞的输入即是网格细胞的输出且网格细胞表征了哺乳动物的运动信息,所以位置细胞的放电活动即表征了哺乳动物的运动信息,表现为路径积分系统的输出;又位置细胞具有单峰型放电且网格细...
【专利技术属性】
技术研发人员:于乃功,蒋晓军,苑云鹤,罗子维,翟羽佳,方略,
申请(专利权)人:北京工业大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。