基于视觉注意力机制的机器人认知视觉感知系统

视觉是机器人主要的感知模态之一。如何赋予机器人一定程度的思考能力和学习能力，实现机器人在多种甚至是任何任务和环境下都可以自主思考如何感知，并获取较高的有效性和一定程度的鲁棒性能，是智能机器人领域具有前瞻性和挑战性的课题之一。本项目将利用视觉注意力机制是联接感知、动作和学习等行为的桥梁的心理学理论，研究如何构建一个基于视觉注意力机制的机器人认知视觉感知系统。本项目将主要研究该系统的框架构成、预注意力分割算法、自上而下注意力选取算法、自下而上注意力选取算法、长期记忆中的物体表达和任务表达的结构设计与学习算法设计，并整体实现自适应性能、普遍性能、高效性能和鲁棒性能。最后，本系统将在实际机器人平台完成实验验证与性能评估。本项目不仅会促进智能机器人系统的科学研究，还将为许多社会应用，例如危险与未知环境探索、目标自主侦查和智能监控等，提供解决方案，在国民经济和国防方面均有重大的实际意义。

如何赋予机器人一定程度的思考能力和学习能力，实现机器人在多种甚至是任何任务和环境下都可以自主思考如何感知，是智能机器人领域具有前瞻性和挑战性的课题之一。本项目以神经生理学的视觉注意力机制为基础，研究了机器人认知视觉感知系统的关键技术问题。本项目提出了基于Bhattacharyya 距离的不规则金字塔方法实现预注意力分割，使用贝叶斯规则和KL散度的方法实现基于物体的自上而下注意力选取算法，基于集成竞争假设理论实现了基于物体的自下而上注意力选取算法，扩展了概率化神经网络实现了长期记忆中的物体表达结构设计和学习算法设计，基于马尔科夫过程和贝叶斯网络实现了任务表达的结构设计和学习算法设计。该认知视觉感知系统并在实际的移动机器人平台完成了实验验证和性能评估，完成了目标跟踪、车载交通标志检测与识别等任务。实验结果表明，该认知视觉感知系统具备了自适应感知感兴趣物体的能力、并对噪声、光照变化、视角变化等具备较高的鲁棒性能。基于上述研究，共发表SCI检索期刊文章6篇，EI检索国际会议文章9篇。上述研究成果在目标自主侦查、智能监控等民用和国防领域均有实际应用意义。