论文部分内容阅读
室内装修是一项重复性高、强度高的体力劳动,随着人力成本的日益升高,如何减少甚至取代人力逐渐成为了装修产业面临的现实问题。近年来人工智能以及机器人技术发展迅速,许多传统行业通过应用这些前沿技术实现了自动化、智能化,将机器人技术应用到装修行业成为解决人力成本问题促进行业发展的必由之路。然而目前机器人技术在装修领域应用还十分有限,其中一个重要原因是目前装修机器人对于自身在施工场景中的定位以及对施工场景的感知能力较弱。装修场景不同于一般的室内机器人应用场景,其最显著的特点是:1.环境不是完全未知,存在施工图纸等先验信息;2.施工场景会随施工进度发生变化;3.对环境感知的精度要求高。目前的环境感知技术并不完全适用于装修机器人应用场景,为此本文开发处了一套以建筑信息模型(BIM,Building Information Model)为基础的装修机器人定位与环境感知系统。该系统结合了建筑产业中最先进的信息化技术BIM与机器人领域前沿的即时定位与建图技术(SLAM,Simultaneous Localizatioin and Mapping),探索了机器人技术与传统装修产业结合的新的方向。该系统通过BIM文件获取施工环境的结构信息,由于BIM的特性该先验信息覆盖建筑施工各个阶段,本文巧妙地利用冗余信息结合蒙特卡洛定位算法实现了变结构场景定位。在获取到机器人位置信息以后,利用视觉特征增强技术及ZED-Mini双目立体视觉传感器获取墙面视觉特征,融合由BIM获取的机器人定位信息,完成装修环境的三维信息感知,获得装修环境三维视觉特征地图。自主装修机器人要实现特定的工艺还需感知环境的语义信息例如墙面缺陷,为此本文通过卷积神经网络识别墙面缺陷,并与SLAM框架结合从而计算出缺陷位置并标记在三维视觉特征地图中,以供后续使用。本文还探索了装修机器人的稠密语义感知,通过深度神经网络完成环境的像素级别语义分割,将结果与SLAM结合构建可用于机器人行为规划的三维占据栅格地图,为装修机器人进行更复杂、规模更大的自主施工打下了基础。