非類別限定的物體識別學習模型構建.pdf

1、作為現(xiàn)代計算技術和IT技術的延伸，機器人正在逐漸走進我們的生活，而高度智能化和特性化正成為個人機器人鮮明的特征。視覺系統(tǒng)是機器人感知周圍環(huán)境的重要組成構建之一，對于獲取原數(shù)據(jù)并進行處理以供機器人控制協(xié)調(diào)完成相應的任務起著至關重要的作用。其中物體識別部分作為機器人視覺系統(tǒng)的一個重要部分，對于物體抓取、周圍環(huán)境感知以及識別導航等都有很大的作用。在室內(nèi)環(huán)境下進行物體的檢測，可以輔助服務型機器人完成很多任務，并且物體的檢測與定位也是視覺任務中極

2、其關鍵的一步。
　　本文改進了一種檢測和定位非類別限定的物體的方法。傳統(tǒng)采用四種特征（即多尺度顯著點、顏色對比、邊緣稠密度和超像素跨立）進行融合，對于背景簡單的環(huán)境檢測效果良好。但是對于室內(nèi)背景復雜，且近距離的物體檢測出現(xiàn)誤檢和漏檢。考慮距離因素，本文引入深度信息作為新的一種特征進行融合，通過實驗驗證增加深度信息后，物體檢測準確度相對于不加深度信息有顯著提高?；诜穷悇e限定的物體檢測算法和機器人單一視覺傳感器獲取源數(shù)據(jù)的特性，本文

3、給出一種非類別限定的物體識別學習模型。區(qū)別于模版理論和常規(guī)理論，首先，采用多特征分類訓練檢測環(huán)境內(nèi)機器人感興趣的物體。其次，根據(jù)記憶庫中存儲的信息與物體實體信息進行分別識別與學習。這里學習是指示教學習，即面對一個新物體，第三方提供信息給機器人，然后機器人記有該物體信息以備下次識別。本文基于三種假設：物體已被分割，物體類屬性（物體分類）已知和物體歸屬性（物體歸屬某個人）已知，將該模型流程對應于三種情形：記憶庫中存儲有完整的物體信息，記憶庫