基于視覺的移動(dòng)機(jī)器人室外地形識(shí)別.pdf

1、隨著機(jī)器人技術(shù)和計(jì)算機(jī)視覺算法理論發(fā)展，機(jī)器人的應(yīng)用場(chǎng)所得到了極大的拓展。具備一定的自主導(dǎo)航和地形識(shí)別能力成為室外移動(dòng)機(jī)器人正常工作的重要前提。由于室外自然環(huán)境有別于室內(nèi)環(huán)境，存在非結(jié)構(gòu)化以及復(fù)雜多變等問(wèn)題。因此不同的地形對(duì)于機(jī)器人的運(yùn)動(dòng)能力將會(huì)產(chǎn)生各種各樣的限制。機(jī)器人對(duì)于環(huán)境的感知過(guò)程中，視覺可以提供豐富的信息，基于視覺的地形識(shí)別有助于機(jī)器人對(duì)于即將通過(guò)的地形進(jìn)行理解并作出合理預(yù)測(cè)。對(duì)于地形進(jìn)行精確的識(shí)別，將保證移動(dòng)機(jī)器人在自然環(huán)境

2、中安全、穩(wěn)定地運(yùn)動(dòng)。本文研究了基于視覺的移動(dòng)機(jī)器人地形識(shí)別算法，主要工作如下:
　　首先，論述了地形識(shí)別的研究背景和意義，綜述了國(guó)內(nèi)外文獻(xiàn)對(duì)于移動(dòng)機(jī)器人地形識(shí)別技術(shù)的研究現(xiàn)狀，分析了基于視覺的地形識(shí)別相較于其他傳感器存在的優(yōu)越性，從場(chǎng)景分割和地形特征提取以及目前公開的地形數(shù)據(jù)集幾個(gè)方面對(duì)當(dāng)前基于視覺的地形識(shí)別研究中存在的問(wèn)題進(jìn)行了分析，介紹了本文的主要研究?jī)?nèi)容和章節(jié)安排。
　　第二，在對(duì)于當(dāng)前地形分類實(shí)驗(yàn)采取的公共數(shù)據(jù)集的研

3、究基礎(chǔ)之上，提出建立了更全面的SDUterrain地形數(shù)據(jù)集。該數(shù)據(jù)集利用消費(fèi)級(jí)相機(jī)和攝像頭采集，包含光照多樣性、場(chǎng)景復(fù)雜性等等地形樣本，并進(jìn)行了標(biāo)注，具備一定的樣本豐富性。
　　第三，針對(duì)室外場(chǎng)景復(fù)雜多變的特點(diǎn)，對(duì)于混合地形樣本圖像分割進(jìn)行了嘗試，采取了分水嶺算法和圖論方法進(jìn)行分割。其中分水嶺算法會(huì)產(chǎn)生嚴(yán)重的過(guò)分割，因此本文將基于比較理論的圖論方法與分水嶺算法分割相結(jié)合，實(shí)現(xiàn)了適用于地形場(chǎng)景的分割方案，改善了過(guò)分割現(xiàn)象，分割得到

4、了完整的地形區(qū)域和包括地平線在內(nèi)的區(qū)域界線。
　　第四，分析了地形圖像的特征特點(diǎn)，對(duì)于地形數(shù)據(jù)集樣本提取了顏色直方圖、LBP(Local Binary Pattern，局部二值模式)、SIFT(Scale-Invariant Feature Transform，尺度不變特征變換)、CEDD（Color and Edge Directivity Descriptor，顏色和邊緣方向性描述子）四種特征，并采用ELM（Extreme L

5、earning Machine，極限學(xué)習(xí)機(jī)）作為地形識(shí)別分類器。在實(shí)驗(yàn)階段首先對(duì)于ELM應(yīng)用于地形識(shí)別特征分類進(jìn)行合適參數(shù)組合選取測(cè)試實(shí)驗(yàn)，再分別對(duì)于各特征采取不同激活函數(shù)和隱元進(jìn)行分類實(shí)驗(yàn)后，確定了最優(yōu)的參數(shù)選取區(qū)間，有利于后續(xù)地形識(shí)別中提高整體分類精度和節(jié)約隱元選擇時(shí)間。隨后，在此基礎(chǔ)上對(duì)于單一特征進(jìn)行地形分類實(shí)驗(yàn)，在單一特征精度不足的情況下，嘗試特征融合的方案，將具有互補(bǔ)特性的顏色直方圖特征與LBP特征融合，取得了優(yōu)于單一特征的地