随着计算机科学、信息论、控制论和神经网络等学科的发展,始于上个世纪40年代的人工智能技术近年来取得突破进展,基于深度学习的图像识别、语音识别、自然语言处理、机器翻译等开始进入实用,由此形成一股“人工智能+”的产业革命浪潮,并迅速向各个行业渗透。具有较高智慧的人形机器人是人工智能的终极目标之一,尽管世界上许多研究机构在从事该方面的研究开发,但进入实用仍需一个漫长的过程。本实验室尝试以六轮小车代替人形机器人,以采集、交流、处理信息为重点,打造一款开放式轻型智能管家系统。本论文重点讨论了基于计算机视觉的目标检测和基于虚拟现实的VR展示和交互式管理等,主要工作和成果如下。论文开发了基于轻型智能小车的实验室智能管家系统,包括基于MFC、OpenCV和MySQL的开发者调试版和基于Unity3D和SteamVR的VR版智能管家软件系统,搭建了车载可升降摄像机平台和基于HTC VIVE的VR硬件系统。论文针对实验室物品管理的特点和需求,提出了一种基于图像特征匹配的快速物体检测算法。该方法首先选用实时性和准确性较高的ORB算法进行图像特征点提取;接着通过Lowe’s算法剔除误匹配点,再通过Ransac算法筛选真匹配点;在此基础上,通过相似三角形的统计检测代替繁琐的轮廓比对测量,实现了对预先登记注册的物品的快速检测。论文对该算法的适用条件和准确率进行了大量实验,并在此基础上提出了物品注册入库规范。论文深入分析对比了几种基于深度学习的目标检测算法,选用YOLOv3算法作为智能管家系统中目标检测的算法模型,以VOC 2007数据集为模板进行训练数据集的制作,采用Tensorflow框架进行模型训练,并针对本论文实际情况调整参数进行模型优化。实验表明,论文所实现的基于YOLOv3的目标识别算法具有较好的泛化特性,可以实时识别视频画面中出现的人物和已训练物品。该方法可以作为一种前导检测,即先识别物品种类,再用上述基于图像特征匹配的快速算法识别物品个体,大幅缩小后者所需比对检测的物品范围。论文借助ZED相机、SENSE 3D扫描仪和深度相机等硬件设备,实验探讨了基于双目立体检测、结构光和飞行时间的多种三维数据采集与建模技术,同时还借助3D MAX软件实现了接近真实实验室环境的虚拟实验室等大型三维场景的建模,从而为基于虚拟现实的VR展示和交互式管理提供了基础。实验表明,本文所开发的基于轻型智能小车的实验室智能管家系统工作稳定,物品、人物识别等关键功能在检测速率和准确性方面达到预设要求,基本满足实验室智能管家系统的需求。该系统是一个开放式系统,随着更多软件和硬件模块的加入,其功能必将越来越完善,智能化程度越来越高。