[发明专利]一种基于鼠脑海马的情景认知地图构建及导航方法

摘要

一种基于鼠脑海马的情景认知地图构建及导航方法，属于机器人环境认知及运动导航技术领域。当机器人在探索到的位置放电率大于位置细胞放电阈值的时候需记录下放电信息Pfire，位置信息Plocation，环境情景信息O，并将信息记录在情景认知地图上。通过情景认知地图上储存的空间信息完成机器人导航，即从起始位置到具体情景中的具体物体位置的导航。本发明能使机器人自主探索环境，将环境信息变成机器人的情景认知地图，根据认知地图制定相应导航策略。整套系统取得较好的空间认知效果，可应用于工厂、家庭、实验室等室内环境和街道等室外环境的情景认知地图构建及导航。

主权项

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胞在同一位置细胞下有多个存在，所以网格细胞到位置细胞之间是存在一种网络进行映射的；根据研究表明是一种竞争性的神经网络，本质是基于Heb学习的线性叠加方式；步骤(2.3)位置细胞通过二维连续吸引子建模，构建对实际外界环境的度量模型，其作用是对外界环境相对位置进行度量；连续吸引子实际上是由神经板上的神经元通过局部兴奋、抑制连接、全局抑制三种方式共同表达形成一个活动包；活动包通过之前的头朝向细胞、条纹细胞、网格细胞通过路径积分来驱动；同时活动包也是构成之后认知地图上的经验激活点重要的组成部分；活动包的具体表示形式是一个二维高斯分布的放电模型，那么兴奋性连接变化量具体表示形式是在空间中的位置细胞二维矩阵；大小代表着位置细胞神经板的边界；由于步骤(1)中提到网格细胞与二维笛卡尔坐标系存在着对应关系，而且网格细胞作为位置细胞的输入，通过路径积分的形式来驱动，位置细胞的表现形式是放电，所以位置细胞的放电率以及放电野位置与实际环境的二维笛卡尔坐标也存在着对应关系；这种对应关系对下面的机器人处理外界环境信息和构建情景记忆地图有重要作用；步骤(2.4)基于位置细胞放电率的峰值设定一个探测阈值，其作用是当机器人到达该阈值之后，需要对环境进行异我信息的构建；此时将记录由深度相机传来的RGB图和深度图，对环境进行情景认知与记忆；步骤(3)系统依次按如下步骤处理机器人情景记忆与外接异构信息，即描述机器人该位置的情景认知信息：步骤(3.1)由步骤(2.4)确定位置细胞探测阈值，当超过探测阈值时，系统将此时的视觉模板即包含外界视觉图像信息传入至情景认知系统；情景认知系统是基于一个深度轻量级神经网络的系统；此时，会根据之前训练的样本对环境中出现的信息进行搜索与识别，并通过一个矩形的方框将该物体框取出来；即确定相关物体在图片中的方位；在阈值范围内的若干个视觉模板中通过算法取合适的两张RGB图与深度图，对矩形方框区域内的物体其进行特征提取，并通过深度相机计算该物体相对此刻机器人位置细胞放电野中心最大放电率的位置即角度和距离；并通过步骤(2.3)得到的位置细胞与二维笛卡尔坐标系的对应关系得出该物体在位置细胞野上的预估位置，这样就将环境中的实际信息对应到情景认知地图中；当给机器人发出指令寻找该物体时，机器人就通过情景认知地图上的位置野找到其位置，并驱动机器人完成导航任务；步骤(3.2)构建情景认知地图；综合步骤(2.3)、步骤(3.1)的机器人自运动信息和情景认知信息，构建情景认知地图，构建情景认知地图是一个个位置细胞位置野填满认知区域、自运动信息、情景认知信息组成的综合情景认知地图；使机器人的导航具有智能性，完成更加高级的任务；步骤(4)系统按照步骤(3)、步骤(4)识别到的位置和情景认知信息融合得到的情景认知地图来进行具有智能性和高级性的导航任务：步骤(4.1)机器人初始化，在认知地图中重定位；步骤(4.2)用户给予机器人任务；机器人将确定认知地图中含有水杯信息的位置细胞位置野，并将其进行筛选，得到与当前机器人所在的位置细胞位置野最近的位置野；步骤(4.3)设定行走路径，途径若干个位置细胞位置野；由于误差的存在，需要对机器人位置进行校正，设定导航位置野放电阈值；当超过导航位置野放电阈值，即通过视觉信息对当前机器人位置进行校正；判断是否偏离位置细胞放电野；若偏离，则进入重定位环节，并设定定位后的位置为起点，目标信息物体位置细胞位置野为终点进行导航；若没有偏离，则按原路径继续行驶。