基于多超声传感器信息和NeuCube的移动机器人走廊场景识别  

Corridor scene recognition for mobile robots based on multi-sonar-sensor information and Neu Cube

作　　者：王秀青[1] 侯增广[2] 潘世英[1] 谭民[2] 王永吉[3,4,5] 曾慧[6] 

机构地区：[1]河北师范大学应用信息技术系,石家庄050024 [2]复杂系统管理与控制国家重点实验室(中国科学院自动化研究所),北京100190 [3]基础软件国家工程研究中心(中国科学院软件研究所),北京100190 [4]计算机科学国家重点实验室(中国科学院软件研究所),北京100190 [5]中国科学院软件研究所互联网软件技术实验室,北京100190 [6]北京科技大学信息学院,北京100083

出　　处：《计算机应用》2015年第10期2833-2837,共5页journal of Computer Applications

基　　金：国家自然科学基金资助项目(61175059;61375010);河北省自然科学基金资助项目(F2014205115);中国科学院复杂系统管理与控制国家重点实验室开放课题资助项目(20120105)

摘　　要：为提高室内移动机器人的环境感知能力,针对其常处的结构化走廊场景的分类、Spiking神经网络(SNN)和基于SNN的新型计算模型Neu Cube进行研究。SNN利用尖脉冲传递时、空信息,比传统的神经网络更适于动态、时序信息的分析,以及各种模式信息的识别和分类。此外,SNN更易于用硬件实现。在对Neu Cube的基本原理、学习方法和计算步骤进行讨论的基础上,利用多超声传感信息和Neu Cube对室内移动机器人常处的7种走廊场景进行识别。实验结果表明基于多超声传感信息和Neu Cube的移动机器人走廊场景分类方法可以对7种走廊场景进行有效识别,该方法有助于增强移动机器人的自主性和提高其智能水平。To improve the perception ability of indoor mobile robots, the classification method for the commonly structured corridor-scenes, Spiking Neural Network （SNN） and NeuCube, which is a novel computing model based on SNN, were studied. SNN can convey spatio-temporal information by spikes. Besides, SNN is more suitable for analyzing dynamic and time-series data, and for recognizing data of various patterns than traditional Neural Network （ NN）. It is easy to be implemented by hardware. The principle, learning methods and calculation steps of NeuCube were discussed. Then seven common corridor scenes were recognized by the classification method based on multi-sonar-sensor information and NeuCube. The experimental results show that the proposed method is effective. Additionally, it is helpful for improving autonomy and intelligence of mobile robots.

关 键 词：移动机器人 多超声传感信息 SPIKING神经网络 环境感知 分类 

分 类 号：TP242.6[自动化与计算机技术—检测技术与自动化装置]