本發明專利技術涉及一種基于自然語言處理的機器人導航方法，屬于智能機器人導航領域。本方法通過分析自然語言表示路徑的語句單元結構，提取landmark模塊以及方位轉換模塊，推導路標之間的空間位置關系，確立關鍵引導點并得到導航意向圖；再通過更新導航意向圖與實際地圖的比例尺，完成機器人的導航任務。本方法所涉及的機器人導航方法提高了機器人對陌生環境的適應性、智能性以及機器人的導航效率。
【技術實現步驟摘要】
本專利技術涉及，屬于智能機器人導航領域。
技術介紹
當人面對一個陌生環境時，“問路”是到達目的地的一個高效的方法。通過理解指路人的語言，人會在腦海中形成一個大概的行進路線以及路線上各個關鍵點的意象，人憑借這種意象能夠順利地到達目的地。基于同樣的原理，如果當移動機器人面對一個完全陌生的室內環境時，人通過自然語言向其講述如何行進，機器人在自然語言的理解與指導下自動運行到目的地，這無疑是一種高效的導航方法。該導航方法涉及到路徑的自然語言下的路徑重建描述(Natural Language Represention of Path，NLRP) “基于受限漢語的 GIS 路徑重建研究”(.劉瑜，高勇，林報嘉，等.遙感學報，2004，8 (4) :323-330)，以及自然語言依賴的導航地圖。在國外，針對英文的自然語言研究已經達到了一定的水平，一些學者利用英文的自然語言對機器人導航方法展開了研究，如Yuan Wei等人“Where to Go =Interpreting Natural Directions Using Global Inference，，(Yuan Wei,Emma Brunskill,et al. 2009 IEEE International Conference on Robotics and Automation, kobe Proceedings-IEEE International Conference on Robotics and Automation, 2009. 3761-3767.)在柵格地圖的基礎上提出了基于自然語言的路徑提取算法，該算法通過改進的隱馬爾科場算法在路徑提取方面取得了較好的結果。Thomas koliar等人“Toward understanding natural language directions，，(Kollar T, Tellex S, et al. Human-Robot Interaction (HRI). Boston :2010 5th ACM/IEEE International Conference,2010. 259-267.)在Yuan Wei工作的基礎上增加了動詞和介詞的理解，增加了系統對無限制自然語言的理解。在國內，專門針對機器人導航的NLRP的分析還鮮有人研究，但在地理信息系統領域，部分學者對面向漢語的NLRP分析方法進行了研究，具有很大的借鑒價值。其中劉瑜等人對漢語路徑描述中的動詞進行了專門研究，并基于此提出了一種基于受限漢語的NLRP 分析方法。張雪英等“面向漢語的自然語言路徑描述方法.”(張雪英，閭國年，宦建.地球信息科學，2008，10 (6) :757-762)對常用漢語的句法模式進行了研究，并提出了相關的算法。在依賴的導航地圖上，Yuan Wei與Thomas等人使用了柵格地圖，這種地圖能夠輔助機器人對自然語言進行理解，但是獲得這種地圖，需要機器人事先在環境中行走，在環境有預先精確的描述。即使采用其它傳統地圖，也都是建立在對環境充分感知的基礎上，對陌生、動態環境的處理效率不高。
技術實現思路
本專利技術所要解決的技術問題是針對上述
技術介紹
的不足，提供了。本專利技術為實現上述專利技術目的采用如下技術方案，包括如下步驟步驟1，根據漢語路徑描述規律和詞典對自然語言表示路徑的語句單元結構做語法分析，剔除無效路徑信息后得到有效路徑信息；步驟2，提取有效路徑信息中的前向1 andmark信息、方位轉換信息和后向 landmark in M^ ；步驟3，推導路標之間的空間位置關系，具體包括如下步驟步驟3-1，提取各個語句單元結構方位轉換信息中的有效方位詞；步驟3-2，將所有有效方位詞轉換成絕對方位詞；步驟3-3，前一個路標保存后一個路標相對于自身的位置和距離信息；步驟4，將路標的相對位置映射到以機器人當前坐標為零點的笛卡爾坐標系上，然后將該坐標系通過坐標變換映射到導航意象圖上；步驟5，根據路標在導航意向圖中的表示和方位詞模型，提取自然語言表示路徑中的關鍵引導點；步驟6，根據輸入的起點和終點之間的實際距離和導航意向圖中的起始點像素距離，確定初始比例尺；步驟7，按照初始比例尺計算當前關鍵引導點與下一個關鍵引導點間的距離，確定在兩個關鍵引導點之間的運行模式；步驟8，機器人按照步驟7中的運行模式運動，并按照預測估計的方法導航；在導航過程中利用SURF算法對實時圖像和原始圖像進行匹配，尋找參考物；根據參考物調整機器人圖像采集裝置的角度；步驟9，機器人運行到下一個關鍵引導點后，根據實時圖像中路標的像素高度進行定位或者通過里程計信息進行定位；步驟10，更新下一關鍵引導點的位置以及地圖比例尺，按照更新后的比例尺重復步驟7至步驟9，直到機器人運行到最后一個關鍵引導點。所述中，步驟1所述詞典包括landmark 詞典、瞬態動詞詞典、方位詞詞典、介詞詞典、距離詞典、物體位置指代動詞詞典，并對相同意思的方位詞標注同義標志位得到方位詞模型。本專利技術采用上述技術方案，具有以下有益效果1.增強了機器人對陌生環境的適應性。機器人面對完全陌生的環境時，只要操作者的任務描述，機器人完成相應的導航任務；2.增加了機器人的智能性，在執行導航任務時只通過簡單的人機交互就能完成導航任務，不需專門技術人員的參與，普通人就能完成。3.提高了機器人導航的效率，相對于現有的各種導航方式，這種導航方式不需要預先對環境進行測量或者掃描，只需操作人員用肉眼觀察給出大概方位和距離信息即可。附圖說明圖1為建立導航意向圖的流程圖。圖2為參考目標預測估計方法的示意圖。圖3為實驗一的實際環境中路標位置示意圖。圖4為實驗一中路標相對位置和機器人實際的運行路線。圖5為實驗二的實際環境中路標位置示意圖。圖6為實驗二中路標相對位置和機器人實際的運行路線。圖7為實驗三的實際環境中路標位置示意圖。圖8為實驗三中路標相對位置和機器人實際的運行路線。圖9為實驗四中路標相對位置和機器人實際的運行路線。圖中標號說明A為機器人；B為1號箱子；C為快遞盒；D為Compaq ；E為2號箱子。具體實施例方式下面結合附圖對專利技術的技術方案進行詳細說明，將路徑描述自然語言按照landmark 和方位轉換模塊分成若干單元。以landmark為處理的核心，通過方位轉換模塊確定各個 landmark的相對位置，具體包括如下步驟步驟1，根據漢語路徑描述規律和詞典對自然語言表示路徑的語句單元結構做語法分析，剔除無效路徑信息后得到有效路徑信息所述詞典包括landmark詞典、瞬態動詞詞典、方位詞詞典、介詞詞典、距離詞典、 物體位置指代動詞詞典，并對相同意思的方位詞標注同義標志位得到方位詞模型；步驟2，提取語句單元結構的前向landmark模塊、方位轉換模塊和后向landmark 模塊；步驟3，推導路標之間的空間位置關系，具體包括如下步驟步驟3-1，提取各個語句單元結構方位轉換模塊中的有效方位詞；步驟3-2，將所有有效方位詞轉換成絕對方位詞；步驟3-3，前一個路標保存后一個路標相對于自身的位置和距離信息；步驟4，將路標的相對位置映射到以機器人當前坐標為零點的笛卡爾坐標系上，然后將該坐標系通過坐標變換映射到導航意象圖上；步驟5，根據路標在導航意向圖中本文檔來自技高網...
【技術保護點】
１．一種基于自然語言處理的機器人導航方法，其特征在于包括如下步驟： 步驟１，根據漢語路徑描述規律和詞典對自然語言表示路徑的語句單元結構做語法分析，剔除無效路徑信息后得到有效路徑信息；步驟２，提取有效路徑信息中的前向ｌａｎｄｍａｒｋ信息、方位轉換信息和后向ｌａｎｄｍａｒｋ信息；步驟３，推導路標之間的空間位置關系，具體包括如下步驟：步驟３－１，提取各個語句單元結構方位轉換信息中的有效方位詞；步驟３－２，將所有有效方位詞轉換成絕對方位詞；步驟３－３，前一個路標保存后一個路標相對于自身的位置和距離信息；步驟４，將路標的相對位置映射到以機器人當前坐標為零點的笛卡爾坐標系上，然后將該坐標系通過坐標變換映射到導航意象圖上；步驟５，根據路標在導航意向圖中的表示和方位詞模型，提取自然語言表示路徑中的關鍵引導點；步驟６，根據輸入的起點和終點之間的實際距離和導航意向圖中的起始點像素距離，確定初始比例尺；步驟７，按照初始比例尺計算當前關鍵引導點與下一個關鍵引導點間的距離，確定在兩個關鍵引導點之間的運行模式； 步驟８，機器人按照步驟７中的運行模式運動，并按照預測估計的方法導航；在導航過程中利用ＳＵＲＦ算法對實時圖像和原始圖像進行匹配，尋找參考物；根據參考物調整機器人圖像采集裝置的角度；步驟９，機器人運行到下一個關鍵引導點后，根據實時圖像中路標的像素高度進行定位或者通過里程計信息進行定位； 步驟１０，更新下一關鍵引導點的位置以及地圖比例尺，按照更新后的比例尺重復步驟７至步驟９，直到機器人運行到最后一個關鍵引導點。...
【技術特征摘要】
【專利技術屬性】
技術研發人員：李新德，張秀龍，戴先中，
申請(專利權)人：東南大學，
類型：發明
國別省市：84
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。