機器人穿越行為中基于深度卷積神經(jīng)網(wǎng)絡的門識別方法及應用.pdf

1、在火災、人質救援、核輻射等危險環(huán)境中，面向室內服務的機器人可替代人類進行自主行走、自主巡邏的功能。機器人室內行走的一個關鍵問題是:如何在結構化環(huán)境中對相鄰空間的連接媒介（例如門、通道、洞）進行準確識別并基于識別結果完成穿越。目前已存在的識別方法如紅外感應、激光掃描、圖像邊緣檢測等手段采用框架模型進行識別，但由于以下兩點原因導致檢測識別常出現(xiàn)較高的錯誤率:(1)由于復雜室內環(huán)境中類似門的邊緣特征場景較為常見，且容易出現(xiàn)物品遮擋，基于門的框

2、架模型來進行識別（兩豎一橫結構）無法對門的一些隱藏特征的提取;(2)由于僅僅采用判斷識別，無法對門的多姿態(tài)角度進行識別。因此，目前所建立的僅依靠視覺信息的室內導航的應用極為缺少。
　　針對存在的問題，本文研究基于深度卷積神經(jīng)網(wǎng)絡的門識別，以提升機器人檢測系統(tǒng)在干擾環(huán)境下的門識別能力及穿越能力。首先，采用自動化特征提取方法來避免建模過程中的特征丟失，以解決出現(xiàn)遮擋后識別上魯棒性不足問題。第二，針對模型訓練需求，采集、制作了門的訓練數(shù)

3、據(jù)集來完成系統(tǒng)模型的訓練，設計多姿態(tài)識別方案，通過定位機器人所處的相對角度對門進行多姿態(tài)識別。第三，基于所識別的門圖像，設計機器人距離估計方案，結合角度進行位置定位并給出控制指令，然后進行門的穿越實驗以驗證該系統(tǒng)中門穿越的可行性。最后，進行了敏感性分析，對門進行多比例遮擋實驗，驗證門識別方法的魯棒性。結果分析顯示深度卷積神經(jīng)網(wǎng)絡在門的識別上具有較大的優(yōu)勢，能夠保證識別目標的可靠性與魯棒性。
　　通過本文的研究，一方面驗證了深度卷積