امیر سالارپور

امیر سالارپور


تاریخ انتشار : Publish : نسخه قابل چاپ Print

دانشکده مهندسی

گروه مهندسی کامپیوتر

جلسه دفاعیه پایان­نامه برای دریافت درجه دکتری در

رشته مهندسی کامپیوتر-هوش مصنوعی و رباتیک

 

عنوان:

تعامل مکانی انسان-ربات و برنامه ­ریزی اجتماعی مسیر

 

اساتید داور:

دکتر پرهام مرادی

دکتر بهنام میری­پورفرد

دکتر میرحسین دزفولیان

 

استاد راهنما:

دکتر حسن ختن­لو

 

استاد مشاور:

دکتر نیکلاس ماوریدیس

 

نگارش:

امیر سالارپور

 

چهار شنبه 9 اسفندماه 1396، ساعت 10

آمفی تئاتر دانشکده مهندسی

 

 

Bu-Ali Sina University

 

Faculty of Engineering

Department of Computer Engineering

 

Announcement of Ph.D. Dissertation Defense

 

Title:

Human-Robot Spatial Interaction and Social-aware path planning

 

Reviewers:

Dr. MirHossein Dezfoulian

Dr. Parham Moradi

Dr. Behnam MiriPourFard

 

Supervisor:

Dr. Hassan Khotanlou

 

Advisor:

Dr. Nikolaos Mavridis

 

By:

Amir Salarpour

 

Wednesday, February 28th 2018, 10-12

Faculty of Engineering Amphitheater

چکیده پایان­نامه:

یکی از پژوهش‌های مهم در زمینه رباتیک توسعه روش‌های پیشرفته‌ای است که ربات‌ها را قادر می‌سازد تا در محیط‌های مشترک با انسان کار کنند. یک الزام اساسی برای رفتار ربات‌ها در محیط‌های انسانی، حفظ ایمنی، کارآمدی و رفتار اجتماعی قابل‌قبول است. از مهم‌ترین وظایف اولیه، پیمایش محیط با توجه به الزامات گفته‌شده است. پیمایش اجتماعی محیط نیازمند دید کلی نسبت به محیط اطراف است که با استفاده از آن افراد در محیط اطراف تشخیص داده شده و ره‌گیری شوند. از اطلاعات به‌دست‌آمده از مرحله تشخیص و ره‌گیری که شامل موقعیت و مسیر افراد است، برای پیش‌بینی حرکت افراد در محیط استفاده می‌شود. سپس تعامل بین افراد در محیط بر اساس موقعیت، مسیر و پیش‌بینی حرکت افراد تشخیص داده می‌شوند. درنهایت، از اطلاعات استخراج‌شده افراد و تعامل‌های آن‌ها برای مدل‌سازی اجتماعی محیط اطراف و برنامه‌ریزی مسیر مبتنی بر این مدل بهره گرفته می‌شود. مجموعه این وظایف ربات را قادر می‌سازد تا به صورت ایمن و سازگار با قوانین اجتماعی در محیط‌های انسانی پیمایش کند.

تعامل مکانی ربات و انسان مبتنی بر اطلاعات کسب‌شده از محیط انجام می‌شود. امروزه کمابیش تمامی ربات‌ها مجهز به سنسورهای فاصله‌یاب هستند و استفاده از آن نیاز به اعمال تغییری در ربات نخواهد داشت. مهم‌ترین نوع سنسور فاصله‌یاب، سنسورهای لیزر هستند که قادرند اطلاعات فاصله‌ای دقیق و سریع از محیط اطراف فراهم کنند. از این رو، در این پایان‌نامه بر پیمایش اجتماعی محیط با استفاده از داده‌های به‌دست‌آمده از لیزر که ابرنقطه نامیده می‌شوند، تمرکز شده است. چارچوب پیمایش اجتماعی محیط مبتنی بر داده‌های لیزر به 4 مرحله انطباق ابرهای نقطه، تشخیص و ره‌گیری افراد در محیط اطراف، پیش‌بینی حرکت افراد، مدل‌سازی و برنامه‌ریزی اجتماعی محیط تقسیم می‌شوند. در این پژوهش هر یک از مراحل چارچوب معرفی‌شده برای پیمایش اجتماعی محیط به صورت مجزا مورد بررسی قرار گرفته است و سعی شده تا عملکرد هر مؤلفه با ارائه یا توسعه رویکردهای مرتبط بهبود داده شود.

در مرحله انطباق ابرهای نقطه یک بررسی کامل و جامع بر روی روش انطباق تکرار نزدیک‌ترین نقطه و توسعه‌های آن جهت انتخاب بهترین معماری صورت گرفته است. در همین راستا، یک روش پیشنهادی مبتنی بر ویژگی حفظ صلبیت تغییرات ابرهای نقطه، برای ارتقا عملکرد کلی الگوریتم تکرار نزدیک‌ترین نقطه ارائه شده است. روش پیشنهادی با در نظر گرفتن ثابت بودن فواصل داخلی هر ابرنقطه در اثر تبدیل صلب بین ابرهای نقطه، در یکی از مراحل عملیاتی الگوریتم تکرار نزدیک‌ترین نقطه (مرحله رد جفت‌های متناظر) اعمال شده است. نتایج به‌دست‌آمده نشان داد که عملکرد انطباق نقطه با استفاده از روش پیشنهادی بهبود یافته است.

مرحله تشخیص افراد با استفاده از داده‌های لیزر یکی از کلیدی‌ترین مراحل پیمایش اجتماعی است زیرا محور پیمایش اجتماعی محیط احترام به افراد و فضاهای مربوط به آن‌ها است. در این پژوهش، چندین ویژگی جدید مبتنی بر بردار ویژه و مقدار ویژه برای بهبود تشخیص افراد در محیط معرفی شده است که با اضافه شدن به ویژگی‌های پایه دقت تشخیص افراد در محیط را افزایش می‌دهد. همچنین برای ره‌گیری افراد تشخیص داده‌شده از ترکیب فیلتر کالمن و الگوریتم نزدیک‌ترین نقطه سراسری با اعمال قوانین حرکتی افراد استفاده شده است. نتایج حاصل نشان داد که الگوریتم ره‌گیری پیشنهادی عملکرد بهتری در مقایسه با روش‌های موجود ارائه کرده است.

پیش‌بینی حرکت افراد در محیط بر اساس موقعیت و مسیر طی شده توسط آن‌ها انجام می‌شود که می‌تواند با استفاده از تخمین پویایی آینده محیط نقش بسیار مهمی در پیمایش اجتماعی ایفا کند؛ یعنی با پیش‌بینی صحیح حرکت افراد در محیط ربات می‌تواند مسیر مناسب‌تری بر اساس هنجارهای اجتماعی برای پیمایش برگزیند. در این راستا، یک معیار شباهت برای مقایسه مسیر طی شده هر فرد با مجموعه مسیرهای جمع‌آوری‌شده مبتنی بر فاصله پاره‌خطی، معرفی شده است. بر اساس نتایج به‌دست‌آمده، معیار شباهت پیشنهادی بر روی مجموعه وسیعی از داده‌های سری‌های زمانی چند متغیره عملکرد بهتری نسبت به دیگر معیارهای شباهت ارائه کرده است. حرکت افراد با استفاده از معیار شباهت پیشنهادی و بر اساس شبیه‌ترین مسیر موجود پیش‌بینی شده است.

در آخرین مرحله از چارچوب پیمایش اجتماعی، از اطلاعات استخراج‌شده شامل موقعیت، مسیر و پیش‌بینی حرکت افراد برای تشخیص تعامل در محیط استفاده شده است. در این مرحله، یک روش تشخیص تعامل مبتنی بر خوشه‌بندی مدل‌های مخلوط گوسی پیشنهاد شده است. نتایج تجربی نشان داد که روش پیشنهادی کارایی بهتری در مقایسه با روش‌های مشابه برای تشخیص تعامل داشته است. مدل‌سازی اجتماعی محیط به صورت تابع احتمال و با استفاده از توزیع‌های گوسی برای فضای شخصی و فضای تعامل انجام شده است. مدل اجتماعی معرفی‌شده با اضافه شدن به الگوریتم پیشروی سریع مربع، ملاحظات در نظر گرفته‌شده را در برنامه‌ریزی مسیر اعمال می¬کند. نتایج حاصل از مدل اجتماعی پیشنهادی نشان داد که مسیر برنامه‌ریزی‌شده به‌خوبی هنجارهای اجتماعی و فضاهای شخصی و تعامل افراد را محترم شمرده و بر اساس آن پیمایش اجتماعی مناسب و بدون ایجاد مزاحمت در محیط‌های انسانی انجام می‌دهد.

 

Amir Salarpour

Curriculum vitae

 

 

 

 

 

 

Personal Information

Gender

Male

Email

amir.salarpour@gmail.com

a.salarpour@basu.ac.ir

a.salarpour@IEEE.org

Date of birth

September,1984

 

Nationality

Iranian

Homepage

www.salarpour.com

Marital status

Single

Cell-phone

+98-913-341-3051

Address

RIV lab, Bu-Ali Sina University, Hamedan, Iran

 

 

Education

2012

PhD candidate in Computer Engineering, Department of Computer Engineering, Bu-Ali Sina University, Hamedan, Iran.

Major: Artificial Intelligence. GPA: 19.60/20.

Thesis Title:   Spatial Interaction of Human-Robot and Social Path Planning Problem.

Supervisor: Dr. N. Mavridis and Dr. H. Khotanlou.

 

2008-2011

M.Sc. in Computer Engineering, Department of Computer Engineering, Bu-Ali Sina University, Hamedan, Iran.

Major: Artificial Intelligence. GPA: 18.34/20.

Thesis Title:   Object Detection and Occlusion Issues in Vehicle Tracking Application.

Supervisor: Dr. M. H. Dezfoulian, Advisor: Dr. H. Khotanlou

 

2003-2008

B.Sc. in Computer Engineering, Engineering Department, Bahonar University of Kerman, Kerman, Iran.

Major: Software Engineering.

Project Title: Beat Rate Extraction from ECG Signal Using Wavelet Transform and Fourier Transform

Supervisor: Dr. A. Bahrololum

 

1998-2002

Diploma in Mathematics and Physics, KhajooyeKermani High School, Kerman, Iran.

 

 

 

Research Interests

 

Social Human-Robot Interaction

Point cloud Analysis

Time series Data Mining

Deep Learning

 

 

 

Research Experience (except Master and PhD)

May2015- Jan 2016

 

Research Visitor at university of Missouri, MO, USA.

Project title: “ Human trajectory analysis and interaction detection”.

Supervisor: Dr. G. N. DeSouza.

 

June 2014 - July 2014

 

IRSS 2014- Demokritos, Athens, Greece.

Project title: “ Laser based human tracking ”.

Supervisor: Dr. N. Mavridids.

 

June 2013- July 2013

 

IRSS 2013- Demokritos, Athens, Greece.

Project title: “ Sentiment Analysis and Visualization of Social Media Data ” as a part of ARCOMEM project.

Supervisor: Dr. D. Spiliotopoulos

 

 

 

Publications

 

Amir Salarpour, H. Khotanlou, “Line-Segment based Trajectory Similarity Measure using Time Warping Technique”, Tabriz Journal of Electrical Engineering (accepted).

Amir Salarpour, H. Khotanlou, “An empirical comparison of distance measures for multivariate time series clustering”, International Journal of Engineering (accepted).

Amir Salarpour, H. Khotanlou, M.A. Mahboubi, S. Daghigh, “A Multiresolution Approach to Trajectory Description ”, In proceeding of 3rd International Conference on Pattern Recognition and Image Analysis (IPRIA 2017) , Iran, April 2017.

 

A. Fadaei, A. Gorbanpour, Amir Salarpour, “Optimizing the Parameters Contributing to Riveting Quality Using Imperialist Competitive Algorithm and Predicting the Objective Function via the Three Models MLR, RBF, and ANN-GA”, International Journal of Advanced Design and Manufacturing Technology, vol. 9, May 2016.

 

M. Aliabadi, R. Golmohammadi, H. Khotanlou, M. Mansoorizadeh, Amir Salarpour, “Artificial Neural Networks and Advanced Fuzzy Techniques for Predicting Noise Level in the Industrial Embroidery Workrooms”, Applied Artificial Intelligence journal, vol. 29, Sep 2015.

 

Amir Salarpour, E. Rahmatnejad, H. Khotanlou, “Modelling broilers’ abdominal fat in response to dietary treatments”, Journal of animal physiology and animal nutrition (JPN), vol. 99, August 2014.

 

A. A. Saki, Amir Salarpour, E. Rahmatnejad, “Using soft computing to predict broilers' performance in response to herbal additives”, The European Poultry Science (Archiv für Geflügelkunde, Revue de Science Avicole Européenne) Journal (EPS), July 2014.

 

Amir Salarpour, N. Mavridis, H. Khotanlou, “Long-term estimation of human spatial interactions through multiple laser ranging sensors”, In proceeding of IEEE International Conference on Robotics and Emerging Allied Technologies in Engineering (iCREATE), Pakistan, April 2014.

 

M. Aliabadi, R. Golmohammadi, H. khotanlou, M. Mansoorizadeh, A, Ohadi,
Amir Salarpour, “
Development of a noise prediction model based on advanced fuzzy approaches in typical industrial workrooms, Journal of Research in Health Sciences (JRHS), December 2013.

 

Amir Salarpour, M. H. Bamneshin, D. Proios, “Sentiment Analysis and Visualization of Social Media Data”, IRSS 2013 , Demokritos, Athens, July 2013.

 

Amir Salarpour, Arezoo Salarpour, M.H. Dezfoulian, Hassan Khotanlou, “Vehicle Tracking Using Combinational of Tracking Algorithms”,  An International Journal of Computer Information Systems (IJCIS) Vol.3, No.6, December 2011.

 

Amir Salarpour, Arezoo Salarpour, M. Fathi, M.H. Dezfoulian, “Vehicle Tracking Using Kalman Filter and Features”,  Signal & Image Processing : An International Journal (SIPIJ) Vol.2, No.2, June 2011.

 

V. Barzin, H. Khotanlou, Amir Salarpour, “A New Method to increase the capacity of reversible image data hiding based on histogram shifting”,  In Proceeding of 18th International CSI computer Conference(Persian),March, 2013.

 

Amir Salarpour, A.A. Behmanesh, A.H. Pilevar, “A Proposed Method for Word-Tagging in Persian”, In Proceeding of 3th National CEIT computer Conference(Persian),March, 2011.

 

Amir Salarpour, A.A. Behmanesh, A.H. Pilevar, “A Proposed Method for Word-Tagging in Persian”, In Proceeding of 1th National NCSCIT computer Conference(Persian),March, 2011.

 

A.A. Behmanesh ,Amir Salarpour, A.H. Pilevar, “Statistical Word Tagging using Sufixes and Prefixes in Persian”, In Proceeding of 3th National CEIT computer Conference(Persian),March, 2011.

 

Amir Salarpour, A.A. Behmanesh, H. Khotanlou, “A Combinational Method for Detecting Persian Paper Money”, In Proceeding of 15th International CSI computer Conference(Persian),March, 2010.