[发明专利]一种基于卷积神经网络的仿生海马认知地图构建方法

说明书

本发明提出了一种基于卷积神经网络的仿生海马认知地图构建方法，该方法能够完成认知地图的构建，指导机器人导航。本方法属于机器人环境认知及运动导航技术领域，旨在解决目前基于鼠脑海马体导航中闭环检测模块在复杂、多变及重复性较强的环境中鲁棒性较差的问题。具体流程包括：首先在机器人探索环境过程中，采集速度、方向和RGB图像；然后将速度和方向输入到位置感知模块，得到机器人的实时位置信息，将RGB图像输入到视觉处理模块得到机器人周围环境图像特征；最后将机器人的位置信息，环境信息相关联并存储到认知地图网络节点，完成认知地图的构建。在机器人探索环境过程中，检测到闭环时，用当前图像关联的位置信息进行位置纠正。

技术领域

本发明属于类脑计算及智能机器人导航领域。具体涉及一种将卷积神经网络和海马体空间细胞计算模型相结合，共同构建仿生海马认知地图的方法，并采用图像相似性度量的方法，实现机器人在熟悉环境中的定位及位置纠正。

背景技术

随着机器人的发展，越来越多的地方需要用到更加智能化的机器人，比如能够在动态复杂环境中自主进行环境建模、智能识别、情景记忆、面向物体导向的导航等。

自然界中生物体对复杂环境具有较强的认知能力，能够通过观察与学习，理解外部环境并形成特定的心理表征，当再次面对熟悉的场景，可以通过记忆再次对环境进行认知，进而完成特定任务。其中生物体的视觉与大脑内学习和记忆功能的海马体发挥着巨大作用。

內嗅皮层-海马神经网络是大脑学习、形成场景记忆以及执行空间导航的关键中枢。海马体主要从内侧内嗅皮层和外侧内嗅皮层接收输入，内侧内嗅皮层为海马体提供空间输入，参与利用自运动线索，前庭感觉的全局路径集成计算。1971年，O’Keefe和Dostrovsky发现海马中存在位置细胞，当动物在一个特定的位置时，神经元的放电率会变强，位置细胞建立了海马体和外界环境位置的对应关系。1990年，Taube等人在海马体中发现了头朝向细胞，当老鼠头部朝向特定方向时，海马体中的头朝向细胞放电率最大。该细胞可以指导老鼠的运动。2005年Hafting等人通过实验，发现了对空间分布具有强烈放电的网格细胞，该细胞在环境中重复性规律放电，并产生一种六边形的放电野，使精确定位与路径搜寻成为可能。这些导航细胞的发现，奠定了构建大脑内空间认知地图的基础。而外侧内嗅皮层为海马体提供非空间输入，主要利用外部感官输入(如视觉，嗅觉)处理环境及物体信息。这两条信息传递通路在海马体处汇合，并进行关联和学习，共同完成对环境认知。

之前的研究中，已有多个模型将视觉信息和海马体空间细胞计算模型结合实现机器人导航，并成功应用到现实生活环境中。然而，这些模型的视觉输入模块采用扫描线强度剖面或传统手工特征提取进行模板匹配的方法，该方法在复杂多变及重复性较强的环境中鲁棒性比较差，容易出现误匹配现象。

发明内容

本发明旨在解决空间认知导航模型中，利用传统的手工特征提取方法进行模板匹配，在复杂、多变和重复性交较强的环境中鲁棒性差，易造成误匹配的问题。本发明提出一种基于卷积神经网络的仿生海马认知地图构建方法，该方法可以利用简单的硬件设备，实现机器人在环境中的探索、认知、记忆和导航，并为任务型导航奠定基础。本发明模拟内嗅皮层-海马体信息传递通路，利用视觉感知模块提取当前环境图像特征，利用位置感知模块提取机器人当前位置信息，并将两者相关联，共同构建环境认知地图。并通过相似性度量方法，实现机器人在环境中位置纠正。

本发明具体工作流程如下：

步骤1，机器人探索环境，采集速度、方向及所处环境RGB图像信息；

步骤2，将速度和方向信息输入依据海马体空间计算模型构建的位置感知模块，采集机器人当前位置信息；

步骤3，将RGB图像信息输入到依据卷积神经网络构建的视觉输入模块，获得当前环境图像特征；