一种服务机器人控制平台系统及其多模式智能交互与智能行为的实现方法

1.一种服务机器人控制平台系统，其特征在于，包括语音控制模块，双目图像采集模块，RFID收发模块，底轮运动模块，避障模块，机械臂控制模块；
所述语音控制模块包括语音识别模块和语音合成模块两部分；语音识别模块把语音转换成字符串和文字，输出为文本格式；语音合成模块把字符串和文字合成为语音；所述的双目图像采集模块，是指本系统基于双目立体视觉系统；所述的RFID收发装置为无源型射频标签，含有物品的位置、功能等信息；所述的底轮运动模块采用双轮差动方式，并在底部安装有两个色标传感器；所述的避障模块采用多路超声波与多路光电传感器，分别安装于机器人腹部与底部裙摆处，实现不同高度的障碍物检测；所述机械臂控制模块的仿人机械臂为6+1自由度，通过正解与逆解算法到达运动位置，机械臂可以实现抓取、跳舞、双臂协调等动作。
2.一种服务机器人多模式智能交互与智能行为的实现方法，应用于权利要求1所述的服务机器人控制平台系统，其特征在于，包括以下步骤：
（1）语音交互，服务机器人通过语音控制模块与人进行语音交互，识别及分析人向服务机器人发出的命令，并且能够按照命令人发出的语音命令实施相应的动作；
（2）自主导航与定位，机器人融合双目图像采集模块与RFID收发模块的信息，自主导航到指定目标点，导航过程机中器人通过避障模块实现避障功能，并能够介绍所途经的重要物品信息；
（3）机械臂控制，通过目标物体的颜色、形状、纹理等特征，双目图像采集模块得到目标物体的三维坐标信息；经过坐标变换后得到目标物体相对于右手机械臂的坐标值；对6+1自由度机械臂求运动学逆解，得到手臂各关节的角度，按照特定的轨迹抓取目标物体；
（4）人脸检测与识别，机器人可以检测出视野范围内的人脸，实现人脸跟随功能，并对检测出的人脸进行智能识别，包括图片人脸和真实人脸的识别以及特定人的识别，能从多人中识别出需要服务的特定对象。
3.根据权利要求2所述的一种服务机器人多模式智能交互与智能行为的实现方法，其特征在于，所述步骤（1）中的语音交互包括语音识别模块和语音合成模块进行人机交互，所述语音识别模块选择隐马尔科夫模型和提取梅尔倒谱系数特征参数进行训练，并对测试语音进行识别，其具体步骤为：
1）通过麦克风获取语音信号；
2）语音信号的预处理，主要包括分帧、加窗处理；
3）用梅尔倒谱系数提取特征；
4）用HMM模型统计计算；
5）把识别的结果用文本形式表示；
所述语音合成模块是通过文本到语音系统实现，其具体步骤为：
1）对语音库语音进行特征提取；
2）把这些特征经HMM聚类后生成合成语音对应的HMM序列；
3）输入文本信息，经聚类后的HMM模型生成合成语音对应的HMM序列；
4）利用最大似然法生成语音参数；
5）把这些参数经语音合成器合成语音；
当有语音命令输入时，机器人系统会识别出来并作出相应的动作；智能语音识别使机人可以理解语音指令，不管是单词还是连续说的话都可以识别，在语音采集识别以后，每句话都对应相应的指令，使机器人明白自己的任务。
4.根据权利要求2所述的一种服务机器人多模式智能交互与智能行为的实现方法，其特征在于，所述步骤（2）中的自主导航与定位，主要步是机器人行走时获取带有绝对坐标信息和地理信息的标签，并在空间提取物体颜色，通过颜色引导机器人前进到抓取物体的位置；主要步骤如下：
1）机器人先在空间旋转，通过双目图像采集模块获取目标物体，若跟踪的物体丢失，机器人就重新旋转寻找到目标物体，此时在远距离上可以得到大致的三维坐标信息；
2）在行走过程中遇到RFID的标签，读取其中的绝对位置信息更正位置和读取当前实验室信息；
3）若在前进过程中遇到障碍物，机器人先停下一段时间，再检测前方是否有障碍物，若还有障碍就向左右前进避开障碍物，再去寻找目标物体；若没有障碍物，继续向前走；
4）在机器人获取目标物体的距离较小时，为了在有效的范围内实现抓取，此时减低机器人行进的速度，同时利用双目图像采集模块获取的左右坐标值经行更小的左右调整，指导适合机器人抓取的位置，当机器人到达目标一定距离后就停止前进。
5.根据权利要求2所述的一种服务机器人多模式智能交互与智能行为的实现方法，其特征在于，所述步骤（3）中的机械臂控制为仿人机械臂定位并抓取目标物体是指机器人导航到指定位置后控制机械臂抓取目标物体，主要包括以下步骤：
1）双目图像采集模块通过目标物体的颜色、形状、纹理等特征得到目标物体的三维坐标信息；
2）经过坐标变换后得到目标物体相对于右手臂的坐标值；
3）对6+1自由度机械臂求运动学逆解，得到手臂各关节的角度，按照特定的轨迹抓取目标物体。
6.根据权利要求2所述的一种服务机器人多模式智能交互与智能行为的实现方法，其特征在于，所述步骤（4）中的人脸检测与识别，可以通过从双目相机得出的深度信息来区分图片脸和真实人脸；人脸识别部分通过主分量分析算法提取人脸图像的主分量，用欧氏距离对比训练人脸库中人脸和双目摄取到人脸的主分量，以距离最小者作为识别结果；分别采用了肤色检测、深度处理方法及PCA法，其具体算法如下：
， ①
②
③
其中，R、G、B为图像中像素的原始值；r、g、y为再次计算得到的像素值，当式①②中的r、g、y满足式③时，则该像素为人脸区域像素；
对于人脸检测，主要步骤如下：
1）基于Adaboost方法得出可能的人脸区域；
2）在此人脸区域图像中，通过RGB肤色模型①—③检测出肤色部分；
3）针对每一个肤色像素得出其距双目的距离值和所有肤色像素区域距相机的平均距离，计算欧氏距离；
4）再对比真实人脸与图片人脸的欧氏距离，得出区分参数并以此实现出真假人脸检测；
对于人脸识别，主要是PCA方法，主要步骤如下：
1）建立训练库，库中的脸部图像要满足对于特定人进行识别的需求；
2）计算特征脸向量及其特征脸空间，将待识别的脸部样本图片放入特征脸空间，计算出其坐标系数；
3）比较待测样本与训练库中坐标系数的不同，计算出样本脸与训练集中人脸的欧式距离，得出识别结果。

暂无