视频
加载玩家…
  • 提供配置文件
  • 米兰理工大学电子与信息系人工智能与机器人实验室的AIRLab。

    AIRLab由Marco Somalvico教授于1971年建立，是意大利第一批从事人工智能、机器人和计算机视觉研究的研究人员之一。

    AIRLab的研究人员一直在跟踪和引领人工智能和机器人技术的发展。

    AIRLab教授目前管理着意大利人工智能和机器人领域最大的课程之一，每年产生50多篇硕士论文和大约10-15%的DEI计算机科学与工程部门的博士论文。
产品组合

  • 研究领域

  • 空气实验室的活动主要在以下几个方面进行。并不是所有活跃在该领域的研究人员都决定使用AIRWiki来支持他们的活动，所以你只能从链接中找到一些在AIRLab举办的活动，比如正在进行的和过去的项目描述，项目提案和各种其他与该领域活动相关的信息。
    • 情感计算
    • 代理，多代理系统，代理
    • BioSignal分析
    • 计算智能与游戏
    • 计算机视觉与图像分析
    • 项目
    • 机器学习
    • 人工智能哲学
    • 机器人
    • 社交软件和语义网

  • 资助项目

  • 在AIRLab工作的研究人员一直参与并提议由国家和国际机构和公司资助的项目。
    其中，我们在这里列出了一些最近的例子。

    心大星评估REACH物质的替代非测试方法
    管弦乐队组织化学评估项目成果的宣传，推广风险评估技术
    RAWSEEDS通过传感和精细扩展数据集的web发布推进机器人技术
    工业2015年产品情报

  • 研究领域的项目建议书

  • 在这里你可以找到“Progetto di Ingegneria Informatica”和“Progetto di Robotica”课程的项目提案列表(每个学生5个CFU)。

    • c++库，用于基于后续pnp细化的精确标记位置

    • ARTags, QR码，Data Matrix是增强现实的视觉地标，但它们也可以用于机器人。利用数据矩阵对机器人进行定位和映射已经有了一篇论文，但在解的通用性、准确性和鲁棒性方面还有待改进。目标是:
      • 增加系统支持的标记数量(ARTag + QR码)
      • 提高标记物的检测和定位精度
      • 从n点问题的角度测试不同算法的解

    • 最先进视觉测程系统的比较

    • 视觉测程是从一系列图像中估计摄像机运动的方法。如果我们处理一个单一的摄像系统我们有单目视觉里程数;以防我们有更多的摄像头我们有立体视觉里程表。本文的目的是回顾可视化里程计的技术现状，分类现有的方法并比较它们的实现(许多算法都有在线源代码)。

    • 基于圆点的里程计系统

    • 描述:开发一种基于未校准摄像机的里程数传感器，该摄像机基于圆形点指向地板。该系统应该扩展现有的原型，引入一个健壮的跟踪特征点的机制，并集成可能可用的机器人运动信息。

    • 点云SLAM与微软Kinect

    • 同时定位与映射(SLAM)是自主机器人的基本功能之一。在过去，我们已经开发了一个基于扩展卡尔曼滤波器和视觉传感器构建SLAM算法的框架。最近出现的一种视觉传感器对自主机器人有巨大的潜力，这就是微软的Kinect RGB-D传感器。本文旨在将Kinect传感器集成到面向SLAM的点云基础系统开发框架中。

    • 全方位相机的视觉测程

    • 全向相机可以获得周围环境的全景。本文的目的是设计、开发和测试一个基于全向相机在运动过程中拍摄的图像的里程测量系统(里程测量=路径测量)。参考论文开始从(Taddei, Ferran, Caglioti。IJCV 2012)，其结果应该能够从图像中提取“特征点”，以稳健的方式匹配它们，然后将视觉里程数机制应用于产生的对应集。应提供系统的校准程序，并提供结果系统的实验验证。

    • 移动相机跟踪的视觉稳定技术

    • 视频序列中的目标跟踪在摄像机运动(如风、手持设备、空中跟踪系统)的情况下会有较差的性能。该项目的目的是研究在非静态或混乱的场景中图像稳定和配准的艺术状态。可能的想法被调查包括:单应性跟踪或平滑，3D相机运动估计，图像配准和马赛克。作为这项工作的副产品，需要设计一个评估稳像算法性能的工具。

    • 来自视觉数据的行为识别

    • 在文献中，有几种方法被用来模拟观察到的行为，这些可以追溯到动物行为分析的早期方法(Baum和Eagon, 1967)(Colgan, 1978)。现在使用了几种技术，它们可以大致分为:状态空间模型、自动机(如有限状态机、代理等)、语法(如字符串、t模式等)、贝叶斯模型(如隐藏马尔可夫模型)和动态状态变量。这项工作将利用大量的技术，从视觉数据中设计出最适合行为识别的方法。我们从一开始就排除了任何确定性方法是在复杂的观测和受噪声观测影响的现象。重点将主要是使用动态图形模型(Ghahramani, 1998年)和应用自下而上的学习技术(Stolcke和Omohundro, 1993年)(Stolcke和Omohundro, 1994年)进行模型归纳。

    • 实时卡尔曼滤波的自动微分技术评价

    • 在编写扩展卡尔曼滤波器时，最繁琐的部分之一就是计算雅可比矩阵。在AIRLab，我们开发了一个基于EKF的同步定位和映射框架，适用于不同的运动模型和测量方程，但任何时候你需要改变一些东西，你需要重新计算所需的雅可比矩阵。自动区分是一种在编译时或运行时自动区分源代码的工具;我们感兴趣的是在我们开发的软件中测试这些技术，并比较它们与(繁琐的)优化计算的性能。

    • STM32微控制器的总线引导加载程序

    • 为了加快嵌入式应用程序的开发和维护，一种不需要连接线缆或程序员就可以更新单片机上固件的方法是非常方便的。我们正在开发一个框架，用于低成本机器人的快速原型制作，其中包括在CAN总线网络上交换数据的智能设备。CAN总线引导加载程序是我们这个项目需要的组件之一，它可以实现所有连接到CAN网络的设备的远程固件升级。
      本项目旨在为STM32 ARM Cortex-M3微控制器开发一个CAN总线引导加载程序，最终用于其他架构。

    • Eclipse的嵌入式注册视图插件

    • 当开发嵌入式应用程序时，经常需要查看“硬件寄存器内容”，以“调试代码”。所有商业开发套件都提供寄存器视图，以显示其内容以及每一位的含义。开源开发解决方案目前缺乏这个特性，这意味着您必须查找正确的内存位置，并手动将内容映射到相应的寄存器位。这似乎是使用开源解决方案开发嵌入式应用程序时最具限制性的问题之一。
      该项目旨在填补这一空白，开发一个Eclipse插件，像大多数商业套件一样，在树查看器中显示注册内容。

    • 流形上的扩展卡尔曼滤波

    • 扩展卡尔曼滤波是一种用于动态系统状态估计的著名技术，也用于机器人的定位和测绘。然而，在基本公式中，它假设所有变量都位于欧几里得空间中，而一些分量可能跨越非欧几里得2D或3D旋转组SO(2)或SO(3)。因此，我们可以编写扩展卡尔曼滤波器来对李群进行运算，以考虑流形的存在。我们有兴趣进一步将其应用到我们已经开发的EKF-SLAM框架中。

    • 嵌入式平台的LCM中间件

    • 我们正在开发一个用于低成本机器人系统快速原型的框架。为了使机器人的设计和制造更紧密，并使软件和硬件的重用更容易，模块化架构是必须的。
      在智能模块必须通过交换数据来进行协作以达到共同目标的环境中，通信协议和中间件是核心组件。这个项目是关于中间件组件的，它是一个发布/订阅系统，负责管理主题、发布者和订阅者，以及在发送数据之前对数据进行编组。该项目旨在将MIT开发的LCM编组和中间件库移植到嵌入式系统中，以便利用现有的LCM工具，并与现有的高效技术兼容。
      项目内容包括:
      • 剥离LCM的非必要特性，以匹配嵌入式系统和通信协议的约束
      • 添加必要的特性，如截止日期的概念(以及作为结果的优先级)，这是实时分布式系统的强制要求
      • 在嵌入式平台上构建网关，作为标准lcm世界和嵌入式lcm网络之间的网关
        项目必须使用ANSI C开发，有嵌入式平台经验者优先。

    • 重新设计同时定位和映射的灵活框架

    • 在过去的三年中，在AIRLab已经制定了一个实施EKF-SLAM算法的总体框架。经过几次改进之后，现在是时候根据积累的经验重新设计它了。目标是为基于EKF的SLAM算法的开发提供一个国际参考框架，该算法具有多个传感器(例如，激光、里程表、惯性测量)和不同的运动模型(例如，自由6DoF运动、平面运动、阿克曼运动学和do on)。其基本思想是用c++模板实现，卡尔曼滤波的数值稳定技术和研究自动微分的使用。无需编写运动模型和测量方程之外的代码，就可以无缝地交换运动模型和传感器模型。

    • 无人机嵌入式惯性测量单元

    • 本文研制了一种基于ARM微控制器的惯性测量单元的电子器件，并将其集成在自主嵌入式空中平台上。IMU已经实现了一些姿态航向参考系统(AHRS)代码，但我们感兴趣的是:
      • 实现IMU姿态估计的嵌入式算法，以便与实际姿态进行比较(如卡尔曼滤波、DCM、Madgwick等)。
      • 开发了一种易于使用的IMU参数校准程序
      • 以机械臂为实验台，与商用装置进行对比
      • 在某飞行平台上验证了IMU的精度
      • 集成GPS的测量结果，以减少漂移并提供精确的定位(这将使它绝对成为一个硕士论文)

    • MoonSLAM框架中的机器人中心实现

    • 同时定位与映射(SLAM)是自主机器人的基本功能之一。在过去，我们已经开发了一个基于扩展卡尔曼滤波器和视觉传感器构建SLAM算法的框架。EKF SLAM在框架中的实际实现使用了以世界为中心的方法，但从文献中可以知道，机器人为中心的方法可以在小地图上提供更高的性能。我们希望两种实现都能在两种情况下比较结果:纯视觉里程计，条件独立的子映射。

    • 机器人的游戏

    • 项目可在不同的领域:
      • 设计并实现了游戏中一个可用的机器人
      • 设计一款新的适合游戏的机器人
      • 实施/设置一个合适的机器人
      • 与用户一起评估游戏(与Franca Garzotto教授合作)

      这些项目允许用真正的移动机器人(Lego Mindstoms, Spykee等)和真实的交互设备(如WII Mote)进行实验。该项目最终可以通过制作新的游戏和机器人，成为一篇硕士论文。

    • 扫描匹配里程计和多传感器SLAM

    • 从一些用于激光扫描对齐的C/ c++代码和与匹配相关的协方差信息开始，我们有兴趣开发一个在ROS (www.ros.org)环境下用于激光扫描匹配和融合的库。由此，我们对开发一种基于激光扫描匹配的里程测量系统以及一种将扫描匹配与视觉SLAM相结合的同步定位与测绘系统感兴趣。其结果是一个完整的导航系统，融合激光和视觉信息，在基于ekf的环境中建立一致的地图。

    • 嵌入式平台上的脚本语言

    • 在开发嵌入式应用程序时，通常需要以某种快速的方式测试某些算法，而不需要每次都对整个固件重新编程。PAWN (http://www.compuphase.com/pawn/)是一种简单而轻量级的脚本语言，具有类似c语言的语法。执行速度、稳定性、简单性和占用空间小是该语言和抽象机器的基本设计标准，这使得PAWN适合于嵌入式应用程序。
      该项目旨在将抽象机器移植到ARM Cortex-M3微控制器上，添加一组功能与底层硬件外设进行接口，然后嵌入为ChibiOS/RT (http://www.chibios.org)线程。

    • 自行校正安装在同一平台上的多个里程传感器

    • 里程传感器以增量方式(如车轮编码器、视觉里程计、基于扫描匹配的里程计等)测量机器人所遵循的路径。在同一个平台上安装多个里程计传感器可以显著提高整个系统的精度和鲁棒性，但需要适当校准相对定位和可能的偏差。我们对开发基于多传感器的里程计传感器的自校准技术感兴趣。这些技术可以受到经典非线性优化技术的启发，用于手和眼睛的问题，但他们可以使用同步定位和映射技术。根据设置，可能存在系统真实位置的一些信息(即外部跟踪系统或GPS);该方法也应该能够使用这些信息。

    • 无人机视觉导航技术现状综述

    • 在无人机的发展中，视觉导航越来越重要。本文的目标是从不同的角度:研究团队、项目、平台、任务、算法，以结构化的方式回顾该领域的现状。后者显然是最重要的方面，项目应该提供一个清晰的观点，今天做了什么，获得了什么结果。两种操作是最令人感兴趣的:跟踪固定和移动目标(以及这对无人机路径的影响)，在地理参考地图上导航。在小型无人机上实施标准方法之一将是将其转化为论文工作的理想结束。