[发明专利]一种位置细胞仿生机器人导航算法

说明书

技术领域

本发明涉及一种位置细胞仿生机器人导航算法。根据哺乳动物海马位置细胞的导航策略制定自主运行机器人导航算法。可用于智能清洁地面机器人，战场搜救机器人等。

背景技术

哺乳动物(如大鼠，人等)花费大量的时间从一个地点移动到另一个地点。有目的的移动需要对动机、空间进行编码。动物对空间和动机的编码是稳健的。关于其机制的研究对人工智能领域有重要的启示。

“认知地图”是指动物对空间信息的内在表达方式。认知地图可以通过一系列的地标来表达。在十几秒钟到几分钟的过程中能够熟悉环境并准确记忆。“位置细胞”是海马中的锥体神经元，当动物环境中的某个局部位置时发放率较高，离开这个位置发放率几乎为零。位置细胞有如下属性：

1、在新的环境里，位置细胞能够迅速建立；

2、位置野(位置细胞发放对应的位置)稳定，同样地位置细胞编码相同的位置，甚至几个月后仍然稳定；

3、位置野并不紧紧依赖于视觉信息，在黑暗的环境也有效；

4、远处路标的位移和旋转引起位置野的位移和旋转；

5、相同的位置细胞可能在不同的环境发放，有完全不同的位置野；

6、位置细胞受到头方向细胞的调制。

发明内容

本发明根据脑海马中的位置细胞编码策略，提供了一种位置细胞仿生机器人导航算法。为达到以上目的，本发明是采取如下技术方案予以实现的：

基于特征的路标识别。首先利用摄像头得到特征点，其次利用特征点获取位置信息。通过特征点加上位置信息建立路标方向角网络。图像是用低分辨率的全景镜头获取。图像经过梯度化去除亮度干扰。梯度图像与双高斯差算子卷积进行特征识别。路标神经元学习路标。对于每一个路标，相对正北方向的相对角度由指南针读出。本模型的视觉系统提供了“what”和“where”两种信息。

路标和方向角两个信息融合产生位置细胞，在探索的过程中出现的新位置用新的神经元编码。在某个给定的位置，多个位置细胞活动，共同定位。地标的密度与机器人所处的环境位置有关。在墙和门等位置角位置变化快速的地方，会学到更多的地标。当整个环境都学习完之后，环境会被位置细胞完全覆盖，每个位置细胞与相应的位置对应。位置细胞为机器人确定自己的位置。

转移矩阵编码。对于有计划的导航任务来说，必须要完成一定的轨迹。这些轨迹可以用位置点的序列表示。从目前的位置到下一个位置的整个矩阵(转移矩阵)可以用来表示这个轨迹。可以从矩阵中去除不可能的轨迹部分减少资源占用。

当转移矩阵建立后，形成认知地图。认知地图和转移矩阵共同形成运动变换矩阵。运动变换矩阵负责将命令发出。例如，从位置A到位置B产生了转移细胞AB。这个转移细胞与从A到B的方向相联系。

自主机器人与人类似，也应该设计有动机。动机可以是某个要完成的任务，自身电量不足的时候寻找电源充电，或者完成任务后回到固定地点。

本发明公开了一种位置细胞仿生机器人导航算法。根据哺乳动物基于海马位置细胞的导航策略制定机器人导航算法。可应用于是智能清洁地面机器人，战场搜救机器人等。能够自动识别陌生环境，具有无需人类干预、自组织、自适应等优点。

附图说明

图1本发明的硬件框图；

图2本发明的算法流程图；

图3本发明的路标-方位角细胞的形成示意图。

具体实施方式

以下结合具体实施例，对本发明进行详细说明。

如图1所示本发明位置细胞仿生机器人导航算法所基于的硬件，包含：广角摄像头，用于获取外界图像；DSP芯片，用于执行机器人学习和认知所处环境的有关算法；驱动轮，根据DSP芯片发出的运动命令驱动机器人运动。

生物学上的位置细胞只和生物所处在的位置有关，与其运动的方向和运动的速度都没有关系。为了模仿生物学的位置细胞，在DSP的软件环境中用变量模拟位置细胞。

如图2所示，首先机器人广角摄像头摄取全景照片，为了去除亮度的干扰，将其转化为梯度图，随后用高斯差分滤波器对其滤波，检测特征点。对特征点附近的局部区域做对数极坐标变换，能够提高对微小的旋转(rotation)或尺度(scale)变化的识别正确率。由于这些特征点对应于特定的路标，因此将对应于这些特征点的变量称为路标细胞(landmark cells)。