视频
加载播放器…
  • 提供配置文件
  • AIRLab，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年成立，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遵循并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，约占DEI计算机科学与工程部门博士论文的10-15%。
产品组合

  • 研究领域

  • AIRLab的活动是在以下提到的领域组织的。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在AIRLab举办的一些活动，例如正在进行和过去的项目的描述，项目提案和与该领域活动相关的各种其他信息。
    • 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出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物质的替代非测试方法
    管弦乐队组织推广化学评估项目成果，推广风险评估技术
    RAWSEEDS通过感官和详细的广泛数据集的网络发布的机器人技术进步
    工业2015年产品智能

  • 研究领域项目建议书

  • 在这里，您可以找到“信息工程工程”和“机器人工程”课程的项目建议列表(每位学生5 CFU)。

    • 基于后续pnp细化的精确标记位置的c++库

    • ARTags, QR码，数据矩阵，是用于增强现实的视觉地标，但它们也可以用于机器人技术。目前已有论文利用数据矩阵进行机器人定位和测绘，但在解决方案的通用性、准确性和鲁棒性等方面还有待改进。目标如下:
      • 增加系统支持的标记数量(ARTag +二维码)
      • 提高标记的检测和定位的准确性
      • 测试不同的算法来解决n点透视问题

    • 比较的国家的艺术视觉里程计系统

    • 视觉测程是从一系列图像中估计摄像机的运动。如果我们处理的是单摄像机系统我们有单目视程计;如果我们有更多的摄像机，我们有立体视觉测程仪。本文的目标是回顾视觉里程计的艺术状态，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)。

    • 基于圆点的里程测量系统

    • 描述:开发了一种基于未校准摄像机的里程表传感器，该摄像机基于圆形点指向地面。该系统应该扩展现有的原型，引入一种用于跟踪特征点的健壮机制，并通过集成关于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，我们开发了基于扩展卡尔曼滤波器和视觉传感器的框架来构建SLAM算法。微软的Kinect RGB-D传感器是一种最近可用的视觉传感器，它对自主机器人具有巨大的潜力。本论文旨在将Kinect传感器集成到为SLAM开发点云基础系统而开发的框架中。

    • 全向相机的视觉测程

    • 全向相机可以获得周围环境的全景。本论文的目的是设计、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=测量路径)。开始的参考论文是(Taddei, Ferran, Caglioti。IJCV 2012)，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，然后将机器应用于结果对应集的视觉测程。系统的校准程序应与结果系统的实验验证一起提供。

    • 移动摄像机跟踪的视觉稳定技术

    • 如果摄像机在移动(例如，风、手持设备、空中跟踪系统)，视频序列中的目标跟踪性能可能会很差。该项目的目的是研究在非静态或杂乱场景中的图像稳定和配准的艺术状态。可能被研究的想法包括: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，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，有几种方法被用来模拟观察到的行为，这些方法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(例如，有限状态机、代理等)、语法(例如，字符串、t型模式等)、贝叶斯模型(例如，隐马尔可夫模型)和动态状态变量。这项工作将利用巨大的技术语料库，从视觉数据中设计出最适合的行为识别。我们从一开始就排除了任何确定性方法，因为观测下的现象复杂且受噪声观测的影响。重点将主要是动态图形模型的使用(Ghahramani, 1998)和自下而上学习技术的应用(Stolcke and Omohundro, 1993)(Stolcke and Omohundro, 1994)用于模型归纳。

    • 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，并将它们的性能与(繁琐的)优化计算进行比较。

    • 总线引导加载器STM32微控制器

    • 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非常方便。我们正在开发一个框架，用于低成本机器人的快速原型，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在这个项目中需要的组件之一，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微控制器开发一个CAN总线引导加载器，并最终用于其他架构。

    • 嵌入式寄存器查看Eclipse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一特性，这意味着您必须手动查找正确的内存位置并将内容映射到相应的寄存器位。在使用开源解决方案开发嵌入式应用程序时，这似乎是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估计动态系统状态的技术，也用于机器人的定位和映射。然而，在基本公式中，它假设所有变量都存在于欧几里得空间中，而一些分量可能跨越非欧几里得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对李群进行运算，以考虑流形的存在。我们有兴趣进一步研究将其应用到我们开发的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。为了加强机器人的设计和制造，并使软件和硬件更容易重用，必须采用模块化架构。
      在智能模块必须通过交换数据来实现共同目标的背景下，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封送。该项目旨在将由MIT开发并在Grand Challenge竞赛中使用的LCM编组和中间件库移植到嵌入式系统中，以利用现有的LCM工具并与现有的高效技术兼容。
      项目包括:
      • 去除LCM的非必要特性，以匹配嵌入式系统和通信协议的约束
      • 为实时分布式系统添加必要的特性，如截止日期的概念(以及相应的优先级)
      • 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
        项目必须在ANSI C中开发，有嵌入式平台经验者优先考虑。

    • 重新设计一个同时进行本地化和映射的灵活框架

    • 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，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的具有多个传感器(如激光、里程计、惯性测量)和不同运动模型(如自由6DoF运动、平面运动、ackerman运动学和do on)的SLAM算法提供一个国际参考框架。其基本思想是通过使用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。应该可以无缝地交换运动模型和传感器模型，而无需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单元

    • 我们已经开发了基于ARM微控制器的惯性测量单元的电子器件，并将其集成到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姿态估计与实际姿态比较的嵌入式算法(如卡尔曼滤波、DCM、Madgwick等)。
      • 开发一个易于使用的IMU参数校准程序
      • 与使用机械臂作为试验台的商业装置进行比较
      • 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准确的位置(这将使其成为一个MS论文)

    • MoonSLAM框架中的机器人中心实现

    • 同步定位与测绘(SLAM)是自主机器人的基本功能之一。在过去，我们开发了基于扩展卡尔曼滤波器和视觉传感器的框架来构建SLAM算法。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，但从文献中可以得知，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种场景下的结果:纯可视里程计，条件独立子映射。

    • 机器人的游戏

    • 项目可在不同的领域:
      • 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)

      这些项目允许实验真正的移动机器人(乐高Mindstoms, Spykee等)和真正的互动设备(如WII Mote)。这个项目可以通过制作一个新的游戏和机器人最终变成一个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开始，我们感兴趣的是在ROS (www.ros.org)环境下开发一个用于激光扫描匹配和融合的库。在此基础上，我们对基于激光扫描匹配的里程测量系统以及将扫描匹配与视觉SLAM集成在一起的同步定位与测绘系统的开发感兴趣。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的环境中构建一致的地图。

    • 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，而不需要每次都重新编程整个固件。PAWN (http://www.compuphase.com/pawn/)是一种简单、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语言和抽象机器的基本设计标准，这使得PAWN适用于嵌入式应用程序。
      本项目旨在将抽象机移植到ARM Cortex-M3微控制器上，增加一组与底层硬件外设接口的功能，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我校准

    • 里程计传感器以增量方式测量机器人所遵循的路径(例如，安装在车轮上的编码器，视觉里程计，基于扫描匹配的里程计等)。在同一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，但需要对相对定位和可能的偏差进行适当的校准。我们对基于多传感器的里程计传感器的自校准技术的发展感兴趣。这些技术可以从手和眼睛问题中使用的经典非线性优化技术得到启发，但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。

    • 对无人驾驶飞行器的视觉导航的艺术状态进行了批判性的审查

    • 在无人机的发展中，视觉导航变得越来越重要。这篇论文的目标是以结构化的方式从不同的角度回顾该领域的当前艺术状态:研究团队、项目、平台、任务、算法。后者显然是最重要的方面，项目应该提供一个清晰的视图，今天做了什么，得到了什么结果。两种操作是最感兴趣的: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其中一种标准方法将是这项工作的理想结局，并将其转化为论文。