一种教学机器人系统及控制方法与流程

1.本公开的实施例总体涉及信息处理领域，具体涉及一种教学机器人系统及控制方法。


背景技术：

2.随着技术的发展，教育行业也开始采用机器人来提供教育的辅助，但是目前的教学机器人功能比较单一，往往只是固定在原地提供按照预设的功能来进行服务，无法实现较为复杂的功能。


技术实现要素：

3.本公开的实施例提供了一种教学机器人系统及控制方法，由此能够使得教学机器人提供较为复杂的教学功能，并且能够实现在教室或家庭这种环境下的地图定位和导航。
4.在本公开的第一方面，提供了一种教学机器人系统。该系统包括机器人主体和控制设备；控制设备安装有引导模块；以及引导模块用于经由图像采集装置捕获环境的红绿蓝三通道图像帧和深度信息，从红绿蓝三通道图像帧中提取orb特征，将orb特征与局部地图点进行匹配，图像上最小海明距离的orb特征点被选为匹配点，然后利用非线性优化最小化重投影误差来计算获得图像采集装置的位姿，采用随机采样一致性算法以及基于深度信息对匹配点进行采样，从而剔除外点、抑制噪声，计算帧间匹配的内点、旋转向量和平移向量，基于旋转向量和平移向量来进行运动估计，计算出帧间相对移动距离，基于特征点追踪和视觉最小变化选择关键帧，通过关键帧之间的图像可追踪点进行二次判断，删除冗余关键帧，对当前选择的关键帧进行环形闭合检测，以检索当前选择的关键帧中的当前场景是否重复出现，基于当前选择的关键帧，维护和拓展新的局部地图点，以及基于光束平差法优化局部地图中所有关键帧的位姿和所有地图点。
5.在本公开的第二方面，提供了一种用于教学机器人的控制方法。该方法包括：经由机器人的图像采集装置捕获环境的红绿蓝三通道图像帧和深度信息，从红绿蓝三通道图像帧中提取orb特征，将orb特征与局部地图点进行匹配，图像上最小海明距离的orb特征点被选为匹配点，然后利用非线性优化最小化重投影误差来计算获得图像采集装置的位姿，采用随机采样一致性算法以及基于深度信息对匹配点进行采样，从而剔除外点、抑制噪声，计算帧间匹配的内点、旋转向量和平移向量，基于旋转向量和平移向量来进行运动估计，计算出帧间相对移动距离，基于特征点追踪和视觉最小变化选择关键帧，通过关键帧之间的图像可追踪点进行二次判断，删除冗余关键帧，对当前选择的关键帧进行环形闭合检测，以检索当前选择的关键帧中的当前场景是否重复出现，基于当前选择的关键帧，维护和拓展新的局部地图点，以及基于光束平差法优化局部地图中所有关键帧的位姿和所有地图点。
6.提供发明内容部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或必要特征，也无意限制本公开的范围。
附图说明
7.通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。
8.图1示出了根据本公开的实施例的教学机器人系统100的示例的示意图；
9.图2示出了根据本公开的实施例的用于教学机器人的控制方法200的示例的示意图；以及
10.图3示意性示出了适于用来实现本公开实施例的电子设备300的框图。
11.在各个附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
12.下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
13.如上所述，目前的教学机器人功能比较单一，往往只是固定在原地提供按照预设的功能来进行服务，无法实现较为复杂的功能。
14.为了解决上述问题或未说明的其他问题，本公开提供了一种教学机器人系统及方法。该系统包括机器人主体和控制设备；控制设备安装有引导模块；以及引导模块用于经由图像采集装置捕获环境的红绿蓝三通道图像帧和深度信息，从红绿蓝三通道图像帧中提取orb特征，将orb特征与局部地图点进行匹配，图像上最小海明距离的orb特征点被选为匹配点，然后利用非线性优化最小化重投影误差来计算获得图像采集装置的位姿，采用随机采样一致性算法以及基于深度信息对匹配点进行采样，从而剔除外点、抑制噪声，计算帧间匹配的内点、旋转向量和平移向量，基于旋转向量和平移向量来进行运动估计，计算出帧间相对移动距离，基于特征点追踪和视觉最小变化选择关键帧，通过关键帧之间的图像可追踪点进行二次判断，删除冗余关键帧，对当前选择的关键帧进行环形闭合检测，以检索当前选择的关键帧中的当前场景是否重复出现，基于当前选择的关键帧，维护和拓展新的局部地图点，以及基于光束平差法优化局部地图中所有关键帧的位姿和所有地图点。
15.在本方案中，通过基于视觉实现地图定位和导航的引导模块，实现教学机器人在教师或家庭环境下的地图定位和导航。
16.图1显示出了根据本公开的实施例的一种教学机器人系统100，包括机器人主体110和控制设备(未示出)。
17.控制设备安装有引导模块。
18.此外，控制设备还可以安装有机器人操作系统、语音库、人脸识别系统、表情姿态特征库、课程资源库、智能答疑系统、机器学习及专家系统、授课方式库和学生特征库；其中机器人操作系统用于教学任务的调度和执行；课程资源库包括多媒体课件、习题库和语音库，由教师在课程开始前开发，并输入机器人存储器中；智能答疑系统用于机器人教学过程中与学生进行沟通交流、回答学生提出的各种问题；机器学习及专家系统用于机器人在教学过程中不断学习、积累经验和调整教学策略的决策。
19.机器人主体110的手部120由两个电机和两个手臂组成，用于表达各种肢体语言和抓取动作。机器人主体110的头部130可包括与控制设备连接的显示器、电机、超声波传感器、图像采集装置、麦克风和音响，其中电机控制机器人头部的转动；超声波传感器用于检测障碍物和机器人移动过程中避开障碍物；图像采集装置用于学生身份识别和学生状态检测；麦克风和音响用于机器人讲课、与学生语音交互。机器人主体110的腿部140由两个电机、舵机、左车轮、右车轮和方向轮组成，用于机器人在教室或家庭里移动。
20.引导模块用于经由图像采集装置捕获环境的红绿蓝三通道图像帧和深度信息，从红绿蓝三通道图像帧中提取orb特征，将orb特征与局部地图点进行匹配，图像上最小海明距离的orb特征点被选为匹配点，然后利用非线性优化最小化重投影误差来计算获得图像采集装置的位姿，采用随机采样一致性算法以及基于深度信息对匹配点进行采样，从而剔除外点、抑制噪声，计算帧间匹配的内点、旋转向量和平移向量，基于旋转向量和平移向量来进行运动估计，计算出帧间相对移动距离，基于特征点追踪和视觉最小变化选择关键帧，通过关键帧之间的图像可追踪点进行二次判断，删除冗余关键帧，对当前选择的关键帧进行环形闭合检测，以检索当前选择的关键帧中的当前场景是否重复出现，基于当前选择的关键帧，维护和拓展新的局部地图点，以及基于光束平差法优化局部地图中所有关键帧的位姿和所有地图点。
21.由此，能够使得教学机器人提供较为复杂的教学功能，并且能够实现在教室或家庭这种环境下的地图定位和导航。
22.在一些实施例中，引导模块用于基于以下公式来计算出帧间相对移动距离：在一些实施例中，d＝||δt|| min(2π-||r||，||r||)，其中r为帧间旋转向量，t为平移向量，以及如果确定帧间相对移动距离小于帧间最大移动距离并且大于帧间最小移动距离，则确定跟踪到的帧间特征点的数量是否大于预定数量，如果确定跟踪到的帧间特征点的数量大于预定数量，则确定当前帧与先前关键帧之间匹配的特征点的数量占先前关键帧中的特征点的数量的比例是否大于预定比例，如果确定当前帧与先前关键帧之间匹配的特征点的数量占先前关键帧中的特征点的数量的比例大于预定比例，则将当前帧选择为关键帧。通过选择相关性强匹配度高的关键帧，避免关联关键帧的丢失，保证了帧间相关性和匹配度。
23.在一些实施例中，引导模块用于确定能否在3个先前关键帧中找到当前选择的关键帧中的90％的特征点，如果确定能够在3个先前关键帧中找到当前选择的关键帧中的90％的特征点，则确定当前选择的关键帧为冗余，并删除所选择的关键帧。通过删除冗余关键帧，减少了关键帧数量，降低了计算和存储复杂度。
24.在一些实施例中，引导模块用于利用k均值聚类法将训练集中的所有特征向量分成k类，对于每一类，递归采用同样方式进行聚类，直到达到预定层数，完成词汇树构建，基于单词的出现频率确定词汇树的叶节点的权重wi＝ln(n/ni)，n为数据库中图像数量的总和，ni为数据库中具有单词i的图像的数量总和，待检索图像的特征向量和数据库图像的特征向量可如下表示：其中ni和mi分别表示待检索图像和数据库图像中具有单词i的数量，计算待检索图像和数据库图像之间的相似度如下：
25.根据该公式计算当前选择的关键帧与先前关键帧之间的相似度，基于相似度，确定当前选择的关键帧中的当前场景是否重复出现。通过创建词汇树，提高了闭环检测中的场景检索的效率。
26.在一些实施例中，引导模块用于建立用于先前关键帧的倒排索引，记录包含特定单词的所有先前关键帧，对于选择的关键帧，计算选择的关键帧中包含的单词表，对于单词表中的每个单词，通过倒排索引查找具有该单词的所有先前关键帧，并记录每个先前关键帧与选择的关键帧共同包含的单词的个数，在与选择的关键帧共同包含单词的所有先前关键帧中确定共同单词个数超过预定个数的先前关键帧，计算确定的先前关键帧与选择的关键帧之间的上述相似度，如果确定相似度超过预定值，则确定选择的关键帧中的当前场景重复出现。通过建立倒排索引，进一步提高了场景检索的效率。
27.在一些实施例中，引导模块还用于如果确定连续的10个图像帧均不匹配，则将当前图像帧确定为关键帧，并对当前图像帧进行闭环检测，以期待找到所有与当前图像帧相似的场景并建立帧间约束。由此降低运动丢失对定位造成的影响。
28.图2显示出了根据本公开的实施例的一种用于教学机器人的控制方法200的示意流程图。方法200可以由例如图1中的机器人100中的控制设备执行。
29.在框202处，在控制设备处，经由机器人的图像采集装置捕获环境的红绿蓝三通道图像帧和深度信息。
30.在框204处，从红绿蓝三通道图像帧中提取orb(oriented fast and rotated brief)特征。
31.在框206处，将orb特征与局部地图点进行匹配，图像上最小海明距离的orb特征点被选为匹配点。
32.在框208处，利用非线性优化最小化重投影误差来计算获得图像采集装置的位姿。
33.在框210处，采用随机采样一致性算法以及基于深度信息对匹配点进行采样，从而剔除外点、抑制噪声。
34.在框212处，计算帧间匹配的内点、旋转向量和平移向量，基于旋转向量和平移向量来进行运动估计，计算出帧间相对移动距离。
35.在一些实施例中，计算出帧间相对移动距离包括基于以下公式来计算出帧间相对移动距离：d＝||δt|| min(2π-||r||，||r||)，其中r为帧间旋转向量，t为平移向量。
36.在框214处，基于特征点追踪和视觉最小变化选择关键帧。
37.在一些实施例中，选择关键帧包括如果确定帧间相对移动距离小于帧间最大移动距离并且大于帧间最小移动距离，则确定跟踪到的帧间特征点的数量是否大于预定数量，如果确定跟踪到的帧间特征点的数量大于预定数量，则确定当前帧与先前关键帧之间匹配的特征点的数量占先前关键帧中的特征点的数量的比例是否大于预定比例，如果确定当前帧与先前关键帧之间匹配的特征点的数量占先前关键帧中的特征点的数量的比例大于预定比例，则将当前帧选择为关键帧。
38.通过选择相关性强匹配度高的关键帧，避免关联关键帧的丢失，保证了帧间相关性和匹配度。
39.在框216处，通过关键帧之间的图像可追踪点进行二次判断，删除冗余关键帧。
40.在一些实施例中，删除冗余关键帧包括确定能否在3个先前关键帧中找到当前选择的关键帧中的90％的特征点，如果确定能够在3个先前关键帧中找到当前选择的关键帧中的90％的特征点，则确定当前选择的关键帧为冗余，并删除所选择的关键帧。
41.通过删除冗余关键帧，减少了关键帧数量，降低了计算和存储复杂度。
42.在框218处，对当前选择的关键帧进行环形闭合检测，以确定当前选择的关键帧中的当前场景是否重复出现。
43.在一些实施例中，环形闭合检测包括利用k均值聚类法将训练集中的所有特征向量分成k类，对于每一类，递归采用同样方式进行聚类，直到达到预定层数，完成词汇树构建，基于单词的出现频率确定词汇树的叶节点的权重wi＝ln(n/ni)，n为数据库中图像数量的总和，ni为数据库中具有单词i的图像的数量总和，待检索图像的特征向量和数据库图像的特征向量可如下表示：其中ni和mi分别表示待检索图像和数据库图像中具有单词i的数量，计算待检索图像和数据库图像之间的相似度如下：
44.根据该公式计算当前选择的关键帧与先前关键帧之间的相似度，基于相似度，确定当前选择的关键帧中的当前场景是否重复出现。
45.在一些实施例中，环形闭合检测包括建立用于先前关键帧的倒排索引，记录包含特定单词的所有先前关键帧，对于选择的关键帧，计算选择的关键帧中包含的单词表，对于单词表中的每个单词，通过倒排索引查找具有该单词的所有先前关键帧，并记录每个先前关键帧与选择的关键帧共同包含的单词的个数，在与选择的关键帧共同包含单词的所有先前关键帧中确定共同单词个数超过预定个数的先前关键帧，计算确定的先前关键帧与选择的关键帧之间的上述相似度，如果确定相似度超过预定值，则确定选择的关键帧中的当前场景重复出现。
46.通过创建词汇树，提高了闭环检测中的场景检索的效率，通过建立倒排索引，进一步提高了场景检索的效率。
47.在款220处，基于当前选择的关键帧，维护和拓展新的局部地图点，以及基于光束平差法优化局部地图中所有关键帧的位姿和所有地图点。
48.由此，能够使得教学机器人提供较为复杂的教学功能，并且能够实现在教室或家庭这种环境下的地图定位和导航。
49.在一些实施例中，方法200还包括如果确定连续的10个图像帧均不匹配，则将当前图像帧确定为关键帧，并对当前图像帧进行闭环检测，以期待找到所有与当前图像帧相似的场景并建立帧间约束。由此降低运动丢失对定位造成的影响。
50.图3示意性示出了适于用来实现本公开实施例的电子设备300的框图。例如图1所示的机器人100中的控制设备可以由电子设备330实现。如图所示，设备300包括中央处理单元(cpu)301，其可以根据存储在只读存储器(rom)302中的计算机程序指令或者从存储单元308加载到随机访问存储器(ram)303中的计算机程序指令，来执行各种适当的动作和处理。
在ram303中，还可存储设备300操作所需的各种程序和数据。cpu 301、rom 302以及ram303通过总线304彼此相连。输入/输出(i/o)接口305也连接至总线304。
51.设备300中的多个部件连接至i/o接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
52.处理单元301执行上文所描述的各个方法和处理，例如执行方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被存储于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由rom302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到ram 303并由cpu 301执行时，可以执行上文描述的方法200的一个或多个操作。备选地，在其他实施例中，cpu 301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200的一个或多个动作。
53.本公开可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。
54.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
55.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
56.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信
息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
57.这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
58.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
59.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
60.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
61.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。