视频
载入播放器…
  • 提供配置文件
  • AIRLab是米兰理工大学电子与信息系的人工智能和机器人实验室。

    AIRLab由Marco Somalvico教授于1971年建立,是意大利首批从事人工智能、机器人和计算机视觉研究的团队之一。

    在AIRLab工作的研究人员一直追随和领导着人工智能和机器人技术的发展。

    AIRLab教授目前管理着意大利最大的人工智能和机器人课程之一,每年产生50多篇硕士论文和DEI计算机科学与工程部门约10-15%的博士论文。
产品组合
  • 研究领域

  • AIRLab的活动组织在下面提到的领域。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AIRLab中举行的一些活动,如正在进行的和过去的项目的描述,项目提案和所有与该领域活动相关的其他信息。
    • 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新的。

    心大星评估REACH物质的替代非检测方法
    管弦乐队组织传播化学评估项目成果,推广风险评估技术
    RAWSEEDS通过网络发布感官和详细阐述的广泛数据集实现机器人技术的进步
    工业2015年产品情报
  • 按研究领域划分的项目建议书

  • 在这里你可以找到“Progetto di Ingegneria Informatica”和“Progetto di Robotica”课程的项目建议书列表(每个学生5 CFU)。
    • c++库,用于基于后续pnp细化的精确标记定位

    • ARTags, QR码,数据矩阵,都是用于增强现实的视觉地标,但它们也可以用于机器人。利用数据矩阵进行机器人定位和测绘的研究已经完成,但该方法在通用性、准确性和鲁棒性方面还有待改进。因此,目标是:
      • 增加系统支持的标记数量(ARTag +二维码)
      • 增加标记的检测和定位精度
      • 测试从n点角度求解问题的不同算法
    • 最先进的视觉里程计系统的比较

    • 视觉里程计是从一系列图像中估计相机的运动。如果我们处理的是单摄像头系统,我们有单目视觉里程计;如果我们有更多的相机,我们有一个立体视觉里程表。本文的目的是回顾视觉里程计技术的现状,对现有的方法进行分类并比较它们的实现(许多算法都有在线源代码)。
    • 基于圆点的里程表系统

    • 描述:开发一种基于基于圆形点的指向地板的未校准相机的里程传感器。该系统应该对现有的原型进行扩展,引入一种鲁棒的机制来跟踪特征点,并通过整合有关机器人运动的可能可用信息。
    • Poit cloud SLAM与微软Kinect

    • 同步定位与测绘(SLAM)是自主机器人的基本功能之一。在过去,我们开发了一个基于扩展卡尔曼滤波器和视觉传感器的SLAM算法的构建框架。微软的Kinect RGB-D传感器是最近可用的一种视觉传感器,对自主机器人具有巨大的潜力。本论文旨在将Kinect传感器集成到SLAM点云基础系统的开发框架中。
    • 全向相机的视觉里程计

    • 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计系统(里程计=路径测量)。参考论文从(Taddei, Ferran, Caglioti)开始。IJCV 2012)和结果应该能够从图像中提取“特征点”,以一种鲁棒的方式匹配它们,然后将机器应用于视觉里程数测量的结果集对应。系统的校准程序应连同结果系统的实验验证一起提供。
    • 用移动相机跟踪的视觉稳定技术

    • 如果摄像机是移动的(如风,手持设备,空中跟踪系统),视频序列中的目标跟踪可能会遭受糟糕的性能。该项目的目的是调查在非静态或杂乱场景的图像稳定和配准的艺术状态。可能的研究思路包括:单应性跟踪或平滑,3D相机运动估计,图像配准和镶嵌。作为这项工作的副产品,应该设计一种用于图像稳定算法性能评估的工具。
    • 从视觉数据中识别行为

    • 在文献中,已有几种方法被用于模拟观察到的行为,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来设计最适合从视觉数据中进行行为识别的方法。我们从一开始就排除了任何确定性方法是在观测复杂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)和应用自底向上学习技术(Stolcke and Omohundro, 1993)(Stolcke and Omohundro, 1994)进行模型归纳。
    • 实时卡尔曼滤波自动微分技术的评价

    • 在编写扩展卡尔曼滤波器时,最繁琐的部分之一是计算雅可比矩阵。在AIRLab,我们开发了一个基于EKF的同时定位和映射框架,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,并将它们的性能与(繁琐的)优化计算进行比较。
    • STM32微控制器CAN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,一种不需要连接电缆或程序员就可以在微控制器上更新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,使用智能设备在CAN总线网络上交换数据。CAN总线引导加载程序是我们这个项目需要的组件之一,它支持连接到CAN网络的所有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CAN总线引导加载程序,并最终用于其他体系结构。
    • Eclipse的嵌入式寄存器视图插件

    • 在开发嵌入式应用程序时,经常需要查看“硬件寄存器内容”,以便“调试代码”。所有商业开发套件都提供寄存器视图,显示它们的内容以及每个位的含义。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。这似乎是使用开放源码解决方案开发嵌入式应用程序时最具局限性的问题之一。
      该项目旨在填补这一空白,开发一个Eclipse插件,在树查看器中显示寄存器内容,就像大多数商业套件所做的那样。
    • 流形上的扩展卡尔曼滤波

    • 扩展卡尔曼滤波是一种众所周知的动态系统状态估计技术,也用于机器人定位和映射。然而,在基本公式中,它假设所有变量都存在于欧几里德空间中,而一些分量可能跨越非欧几里德2D或3D旋转群SO(2)或SO(3)。因此,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。我们有兴趣将其进一步应用到我们开发的EKF-SLAM框架中。
    • 嵌入式平台上的LCM中间件

    • 我们正在为低成本机器人系统的快速原型开发一个框架。为了加快机器人的设计和制造,并使软件和硬件更容易重用,模块化架构是必须的。
      在智能模块必须通过交换数据来实现共同目标的环境中,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封送。该项目旨在将由麻省理工学院开发并在大挑战竞赛中使用的LCM封送处理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。
      该项目包括:
      • 剥离非必要的LCM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,比如截止日期(以及优先级)的概念,这对于实时分布式系统是必须的
      • 在嵌入式平台上构建一个网关,作为标准lcm世界和嵌入式lcm网络之间的网关
        项目必须用ANSI C开发,有嵌入式平台经验者优先。
    • 为同时本地化和映射重新设计一个灵活的框架

    • 在过去的三年中,AIRLab开发了一个实现EKF-SLAM算法的通用框架。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。目标是为开发基于EKF的SLAM算法提供一个国际参考框架,该算法具有多个传感器(如激光、里程表、惯性测量)和不同的运动模型(如自由6自由度运动、平面运动、ackerman运动学和do on)。其基本思想是利用c++模板、数值稳定的卡尔曼滤波技术和研究自动微分的使用来实现。它应该可以无缝地交换运动模型和传感器模型,而不必在运动模型和测量方程旁边编写代码。
    • 无人机嵌入式惯性测量装置

    • 我们开发了一个基于ARM微控制器的惯性测量单元的电子系统,该系统集成在自主嵌入式航空平台上。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:
      • 实现嵌入式算法来估计IMU的姿态,并与实际姿态进行比较(例如,卡尔曼滤波,DCM, Madgwick等)。
      • 开发了一个易于使用的IMU参数校准程序
      • 用机械臂作为试验台,与商业单位进行比较
      • 在飞行平台上验证IMU的准确性
      • 整合来自GPS的测量以减少漂移,并提供精确的定位(这将使它绝对成为一篇MS论文)
    • MoonSLAM框架中以机器人为中心的实现

    • 同步定位与测绘(SLAM)是自主机器人的基本功能之一。在过去,我们开发了一个基于扩展卡尔曼滤波器和视觉传感器的SLAM算法的构建框架。在开发的框架中,EKF SLAM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,以机器人为中心的方法可以在小地图上提供更高的性能。我们希望有两个实现来比较两个场景下的结果:纯视觉里程计,条件独立子映射。
    • 机器人的游戏

    • 项目可在不同的领域进行:
      • 在一个可用的机器人上设计和实现游戏
      • 设计了一款适合游戏的新型机器人
      • 实现/设置合适的机器人
      • 与用户一起评估游戏(与Franca Garzotto教授合作)

      这些项目允许实验真实的移动机器人(Lego Mindstoms, Spykee等)和真实的交互设备,如WII Mote。通过制作新的游戏和机器人,该项目最终可以转化为MS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出发,我们有兴趣开发一个ROS (www.ros.org)环境下的激光扫描匹配和融合库。基于此,我们对基于激光扫描匹配的里程计系统和集成扫描匹配与视觉SLAM的同步定位与测绘系统的开发很感兴趣。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,而不是每次都重新编写整个固件。PAWN (http://www.compuphase.com/pawn/)是一种简单轻量级的脚本语言,语法类似c语言。执行速度、稳定性、简单性和占用空间小是语言和抽象机器的基本设计标准,这使得PAWN适合嵌入式应用程序。
      本项目旨在将抽象机器移植到ARM Cortex-M3微控制器上,添加一组函数与底层硬件外设接口,然后将其作为ChibiOS/RT (http://www.chibios.org)线程嵌入。
    • 安装在同一平台上的多个里程表传感器的自校准

    • 里程计传感器以增量的方式测量机器人所走的路径(例如,轮式编码器、视觉里程计、基于扫描匹配的里程计等)。将几个里程计传感器安装在同一个平台上可以显著提高整个系统的准确性和鲁棒性,但需要适当校准相对定位和可能的偏差。我们对基于多传感器的里程计传感器的自校准技术的开发很感兴趣。这些技术可以受到手和眼问题中使用的经典非线性优化技术的启发,但它们也可以使用同步定位和映射技术。根据设置,可能存在一些关于系统真实位置的信息(即外部跟踪系统或GPS);该方法也应该能够使用这些信息。
    • 对无人机视觉导航技术现状的评述

    • 视觉导航在无人机的发展中占有越来越重要的地位。这篇论文的目的是以一种结构化的方式,从不同的角度,研究团队、项目、平台、任务、算法,来回顾当前该领域的艺术状态。后者显然是最重要的方面,项目应该对今天所做的工作以及所获得的结果提供一个清晰的视图。两种操作是最有趣的: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。在小型无人机上实现标准方法之一将是工作的理想结局,将其转化为论文。