王郅佶

（大連市第八中學(xué)，遼寧大連，116021）

0 引言

在現(xiàn)在的人們生活要求下，智能化也在走入實(shí)際生活的應(yīng)用之中，于是智能家居，智能管家，智能機(jī)器人也在逐漸進(jìn)入大眾的視野[1]，在智能家居之中，最重要的則是系統(tǒng)如何對家內(nèi)物品的掌握，于是室內(nèi)建模也就油然而生，建模不僅可以對屋內(nèi)基本數(shù)據(jù)進(jìn)行整合，也為室內(nèi)設(shè)計(jì)的最優(yōu)化提供了基本素材。但是對于實(shí)際的家中情況，不同人家有不同設(shè)計(jì)，相同的人家的家具擺設(shè)也會時(shí)常變動(dòng)，所以對于室內(nèi)建模，尤其是實(shí)時(shí)化的更新，也就顯得尤為重要。傳統(tǒng)的室內(nèi)建模是基于傳感器，傳感器的制作過于昂貴，無法使用與家居生活。GPS 定位準(zhǔn)確度不夠，無法用于室內(nèi)定位。而在日常的家中，對于室內(nèi)建模[2]，掃描方法或者數(shù)字建模技術(shù)都過于昂貴，而在建模之后，對于實(shí)時(shí)變化的更新，也顯示出其不足之處。

機(jī)器人在室內(nèi)自由移動(dòng)時(shí)，在對周圍環(huán)境不受到干擾的情況下，對室內(nèi)每個(gè)角落進(jìn)行拍照獲得信息，并且對其中的特征信息進(jìn)行提取，在了解自己位置以及行進(jìn)方向的同時(shí)，對室內(nèi)物品以及結(jié)構(gòu)進(jìn)行建模處理,并且在行進(jìn)時(shí)遇到的位置偏移，自主進(jìn)行解決調(diào)整[3]。

本設(shè)計(jì)的主要目的是讓智能家居真正走入平常人的家中，讓每個(gè)人都能享受到科技變革帶來的智能化體驗(yàn)，使智能不再是高居與研發(fā)室里的試驗(yàn)品，而是讓大家都能使用并且獲益的技術(shù)，并且通過在現(xiàn)有技術(shù)的改進(jìn)以及簡化，大大降低產(chǎn)品的成本讓其能成為可以真正量產(chǎn)的商品。

目前傳統(tǒng)的SLAM 都使用人為設(shè)計(jì)的描述符進(jìn)行定位和建圖，目前深度學(xué)習(xí)被證明有著極強(qiáng)自學(xué)習(xí)性以及適應(yīng)能力。針對環(huán)境的變化以及光照的明暗變化都能較好的進(jìn)行自我學(xué)習(xí)?；诰矸e的圖像特征學(xué)習(xí)是現(xiàn)在最為流行的圖像處理手段，對于卷積網(wǎng)絡(luò)的特征學(xué)習(xí)可以到達(dá)實(shí)時(shí)以及準(zhǔn)確的性能。通過對圖像以及機(jī)器人的標(biāo)定完成室內(nèi)建圖，以及環(huán)境變化之后，譬如家居移動(dòng)以及環(huán)境遷移，深度學(xué)習(xí)都有著比較強(qiáng)的適應(yīng)能力，相對于描述符而言可以比較好地解決這些問題。

1 卷積神經(jīng)網(wǎng)絡(luò)

目前深度學(xué)習(xí)比較常用的算法為反向傳播算法，最原始的網(wǎng)絡(luò)都使用全連接網(wǎng)絡(luò)，這種網(wǎng)絡(luò)在處理維度很高的圖像數(shù)據(jù)時(shí)需要很多的計(jì)算資源和內(nèi)存空間，因此卷積神經(jīng)網(wǎng)絡(luò)應(yīng)運(yùn)而生。

對于卷積，首先將信息，即為像素，以矩陣的方式輸入，圈定卷積的格式，以5×5 用3×3 卷積為例從任意邊緣（一般為左上角開始），以步長為1 移動(dòng)，提取特征信息所以在5×5 的信息中可以提取到3×3 的卷積結(jié)果在卷積的過程中，3×3 的格中，必須對其信息進(jìn)行處理所以要將每個(gè)格的數(shù)據(jù)進(jìn)行加權(quán)處理比如，對于3×3 的卷積核，可以把（1,1）（1,3）（2，2）（3,1）（3,3）進(jìn)行加權(quán)為1 而剩下部分則權(quán)值為0 這樣就能有效的提取到信息并且加以簡化突出[4]。

并且在卷積的過程中采用三個(gè)通道提取信息（RGB）紅，綠，藍(lán)三維提取，在三個(gè)維度同時(shí)對一張圖片進(jìn)行提取，提取在三個(gè)維度上的不同特征，增加了特征的含量也降低了因?yàn)樘卣鞑粔蛲怀龌蛘咧車h(huán)境影響而造成的誤差[5]。而在三維的提取過程中，為了之后數(shù)據(jù)處理的方便，將三維度的信息提取的權(quán)值共享

而對于邊緣信息，在每次的卷積中，提取的信息量過于少，為排除因?yàn)檫吘壭畔⑷笔Ф鴰淼恼`差，通過增邊所以在輸入矩陣的過程中，對這個(gè)矩陣進(jìn)行增邊處理，即為在邊緣外擴(kuò)一圈信息全部為0 的信息，外圈信息雖然沒有任何對于特征提取的貢獻(xiàn)，把原來邊緣上的信息多次提取，即為使他輸入格式等于輸出格式，增加了提取信息的豐富度，并且排除了邊緣信息缺失造成的誤差問題。假設(shè)輸入的數(shù)據(jù)大小為a×a×b，卷積的尺寸為c×c×b，其中a＞c，那么輸出的大小為(a-c+1)×（a-c+1）×1。

在卷積之后，對于提取后的信息[6]，加以池化，仍以3×3 的池化為例，此時(shí)要以步長3 的方式運(yùn)動(dòng)，但是此時(shí)被池化的矩陣邊長一定要是池化邊長的整數(shù)倍，最后對于6×6 若要以3×3 池化，則可化為2×2 的矩陣，在池化的過程中，采用兩個(gè)處理取最大值或者取平均值，取最大值則是提取卷積后的信息中每次池化取最大值，而平均值池化則是在信息中提取平均值，兩個(gè)方法都有其優(yōu)性對于最大值池化可以最大的突出想要的特征，但是也有可能會將其他較為重要的信息忽略而對于平均值池化能更客觀提取信息，但是一對于顯著特征的提取就略顯不足[7]。

但是為什么不直接使用全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行整合呢，首先，對于圖片的參考數(shù)量太多，如果輸入1000×1000 像素的圖片，輸入層則會有1000000 個(gè)節(jié)點(diǎn)如果第一個(gè)隱藏層有100 個(gè)節(jié)點(diǎn)，那么這一層就會有一億個(gè)參數(shù)，如果圖像再大一點(diǎn)，數(shù)據(jù)更是無法想象，對于本身信息太多極其容易過擬合。而第二點(diǎn)，全連接網(wǎng)絡(luò)僅僅是對信息進(jìn)行對應(yīng)，沒有像素之間的關(guān)系，對所有的像素平等對待，這個(gè)和特征提取的目標(biāo)是相違背的，并且當(dāng)完成了學(xué)習(xí)之后發(fā)現(xiàn)大量的信息其實(shí)所帶有權(quán)重的很小的，大量學(xué)習(xí)本來不需要的信息，會大大降低學(xué)習(xí)的效率。所以通過卷積神經(jīng)網(wǎng)絡(luò)，不僅達(dá)到了學(xué)習(xí)的目的，還提高了學(xué)習(xí)效率[8]。

2 剛體變換

在機(jī)器人于家中運(yùn)動(dòng)時(shí)需要時(shí)時(shí)刻刻判斷自己的位置，才能對位置進(jìn)行自我定位。

而僅僅依靠速度和時(shí)間的計(jì)算，即便在理論上沒有誤差，但是在實(shí)際生活中，無論是輪轂半徑還是引擎的實(shí)時(shí)轉(zhuǎn)速都無法達(dá)到準(zhǔn)確，畢竟每一步都存在誤差，在不斷地積累中，就會造成較大的偏差，以來對機(jī)器人自我判斷以及建模的準(zhǔn)確性上帶來錯(cuò)誤。所以需要實(shí)時(shí)進(jìn)行修正。

為解決這個(gè)問題，采取了不會受到自身的誤差影響的坐標(biāo)系，即是世界坐標(biāo)系，而在機(jī)器人本身上建立機(jī)器人坐標(biāo)系，而在機(jī)器人運(yùn)動(dòng)的過程中通過圖片上提取的信息進(jìn)行匹配來自我調(diào)整移動(dòng)的路徑和速度，而在這個(gè)時(shí)候，為了使其自我判斷，需要用到深度學(xué)習(xí)技術(shù)，通過實(shí)時(shí)圖片的信息處理，判斷自己的位置。而在機(jī)器人的運(yùn)動(dòng)中，分為旋轉(zhuǎn)和平動(dòng)，對于平動(dòng)則比較簡單，通過在世界坐標(biāo)系中的矢量加減就可以對自己位置判斷。而對于機(jī)器人的旋轉(zhuǎn)，在坐標(biāo)系中建立矢量判斷，在坐標(biāo)系中獲得三個(gè)標(biāo)量再將他們和單位矢量相乘，作為旋轉(zhuǎn)的原位置的參考值，也就是旋轉(zhuǎn)的原位置在發(fā)生轉(zhuǎn)動(dòng)的過程中，無法用矢量表示，所以設(shè)某坐標(biāo)系e1,e2,e3 發(fā)生了一次旋轉(zhuǎn)，變成了e'1,e'2,e'3。對于某個(gè)固定的向量a，它的坐標(biāo)怎么變化。

坐標(biāo)關(guān)系然后設(shè)定一個(gè)轉(zhuǎn)動(dòng)的矢量，就是轉(zhuǎn)動(dòng)角度的參數(shù)，然后進(jìn)行左乘得到。

所得出的轉(zhuǎn)動(dòng)矢量，就可以作為錄入系統(tǒng)的參數(shù)，從而達(dá)成判斷位置的目的，這之后再深度學(xué)習(xí)之后得到與圖像匹配的理論位置進(jìn)行比對，得出之后的路徑判斷。對于在不同的環(huán)境下，機(jī)器人可能會遇到不同的地貌，發(fā)生傾斜也會是常事，那么對于機(jī)器人自己能否自主的進(jìn)行傾斜程度的判斷，就顯得尤為重要，在之前的機(jī)器人轉(zhuǎn)動(dòng)中，采取了同樣建立機(jī)器人自我坐標(biāo)系的方法將機(jī)器人本身的運(yùn)動(dòng)方向作為一個(gè)單位矢量在機(jī)器人傾斜的時(shí)候本身的坐標(biāo)系也會發(fā)生整體的偏轉(zhuǎn)。所以，要判斷自身旋轉(zhuǎn)的多少，也需要一個(gè)外界不會隨著機(jī)器人本身變化的量作為本身旋轉(zhuǎn)的標(biāo)準(zhǔn)。所以，仍舊借助照相后得到的圖片信息，通過圖片的特征辨識，得到前后特征的位置變化，得到一個(gè)旋轉(zhuǎn)的三角函數(shù)判斷自身坐標(biāo)系，變化前與變化后的夾角。

所以機(jī)器人的移動(dòng)，就可以用；它的旋轉(zhuǎn)，平動(dòng)一起表示對于平移而言pa=αpb+pjorg而對于旋轉(zhuǎn)，pa=αpb所以對于平移后旋轉(zhuǎn)pa=αpb+pjorg而對于轉(zhuǎn)后的平移pa=α(pb+pjorg)注意，此處的Pjorg 是對于原坐標(biāo)系而定的所以，可以把一個(gè)平移變換矩陣，和一個(gè)旋轉(zhuǎn)變換矩陣加和成為一個(gè)齊次坐標(biāo)變化矩陣反過來說，任何一個(gè)齊次坐標(biāo)變化矩陣，均可分解為一個(gè)平移變換矩陣與一個(gè)旋轉(zhuǎn)變換矩陣。在最后通過全連接神經(jīng)網(wǎng)絡(luò)將圖片信息和運(yùn)動(dòng)信息進(jìn)行整合，使用梯度下降法訓(xùn)練。

3 流程

由于傳統(tǒng)的SLAM 中使用傳統(tǒng)的人工設(shè)計(jì)的特征點(diǎn)以及描述符進(jìn)行匹配之后進(jìn)行跟蹤和場景識別，這些人工設(shè)計(jì)的描述符在常規(guī)場景下都很穩(wěn)定，但是在遇到紋理比較弱，光照強(qiáng)度變化大，環(huán)境變化大的時(shí)候都會失效。而深度學(xué)習(xí)已經(jīng)在圖像分類，圖像分割，目標(biāo)檢測等領(lǐng)域獲得了很好的成績，因此本文將采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行描述符的學(xué)習(xí)。主要流程如圖1 所示。

如圖首先對圖片進(jìn)行特征點(diǎn)的提取，其次使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行描述符的計(jì)算，所使用的卷積網(wǎng)絡(luò)為提前訓(xùn)練好的網(wǎng)絡(luò)，之后在計(jì)算好的描述符基礎(chǔ)上進(jìn)行特征的匹配，之后根據(jù)匹配結(jié)果進(jìn)行位姿計(jì)算，局部優(yōu)化等操作，最后進(jìn)行后端優(yōu)化。

圖1 基于卷積神經(jīng)網(wǎng)絡(luò)的SLAM 流程

圖2 所示為使用孿生網(wǎng)絡(luò)進(jìn)行描述符提取的結(jié)構(gòu)。

圖2 CNN 網(wǎng)絡(luò)提取描述符

圖中的兩個(gè)網(wǎng)絡(luò)為結(jié)構(gòu)完全相同，參數(shù)共享的網(wǎng)絡(luò)。在進(jìn)行訓(xùn)練時(shí)首先以特征點(diǎn)為中心取其周圍的圖像塊，然后對這些圖像塊兩個(gè)為一組根據(jù)其是否對應(yīng)于真實(shí)空間的同一個(gè)點(diǎn)進(jìn)行歸類，在訓(xùn)練時(shí)將一組圖像塊輸入到兩個(gè)網(wǎng)絡(luò)，經(jīng)過網(wǎng)絡(luò)之后生成描述符，根據(jù)其相似關(guān)系對網(wǎng)絡(luò)進(jìn)行調(diào)整。在使用時(shí)只需要使用一個(gè)網(wǎng)絡(luò)，對一個(gè)圖像塊進(jìn)行特征提取即可。

4 結(jié)論

為了解決現(xiàn)有建模技術(shù)的技術(shù)和成本限制性，通過拍照與機(jī)器人運(yùn)動(dòng)相結(jié)合的方法，大大降低了室內(nèi)建模的成本，先通過拍照，提取外界的信息，在以矩陣的方式輸入系統(tǒng)中，為避免過擬合，通過卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，通過（rgb）三維的不同特征，權(quán)值共享的提取，之后將提取過的信息輸入池化層，然后進(jìn)行池化進(jìn)行信息的簡化處理。在同時(shí)，建立世界坐標(biāo)系和機(jī)器人坐標(biāo)系，通過旋轉(zhuǎn)矢量，平動(dòng)矢量，判斷機(jī)器人位置，并且規(guī)劃路線，在遇到復(fù)雜地形時(shí)，也可以圖片前后變化判斷機(jī)器人的偏轉(zhuǎn)方向，進(jìn)行自我的姿態(tài)調(diào)整，最后將提取的信息和運(yùn)動(dòng)的數(shù)據(jù)，通過全連接網(wǎng)絡(luò)進(jìn)行整合，在經(jīng)過梯度下降法的訓(xùn)練之后，達(dá)成深度學(xué)習(xí)和室內(nèi)建模的目的。