[发明专利]一种基于视觉的移动机器人地形分类方法

说明书

本发明公开了一种基于视觉的移动机器人地形分类方法，包括离线训练与在线分类两部分，其优点在于：1)采用了较为简单、紧凑的图像描述子与分类器，能够降低运算资源与电量的消耗，保证了系统的实时性，并且在分类器输出后端加入修正算法；解决了准确率降低的问题；2)在分类修正算法中提取被错误分类的样例，分类器利用该样例进行增量学习，提高了泛化性能，保证了长期运行的准确性。

技术领域

本发明涉及机器人技术领域，特别是涉及一种基于视觉的移动机器人地形分类方法。

背景技术

轮式机器人在地面上运动时会遇到各种地形，而保证机器人安全地穿越地形、避免其处于危险环境是十分重要的。已有的研究主要集中于基于激光雷达或视觉传感器的对障碍物的识别。对于墙壁、石块等无法通过的障碍物，我们称之为“几何威胁”。然而，地面本身可能也会对机器人产生威胁。例如：机器人穿越疏松的沙地时可能陷入其中。这种威胁称之为“非几何威胁”。通过实时的地形感知，机器人可以根据不用的地形采用不同的控制策略，使其能够安全有效的穿越不同的地形。因此，实时的地形感知对在野外工作的轮式机器人是十分重要的。

发明专利104866819A公开了一种基于三目视觉系统的地形分类方法，利用三目立体视觉系统对地形进行采样并输出丰富的3D数据，然后将3D数据传送到几何分类器，结合地形颜色特征，最终通过颜色分类器区分地形。硕士论文[刘福帅.基于视觉的移动机器人室外地形识别[D].山东大学,2017.]公开了一种基于机器视觉的地形识别方法，对地形数据集样本提取了颜色直方图、LBP、SIFT、CEDD四种特征，并采用极限学习机作为地形识别分类器。博士论文[吴航.移动机器人地形分类的视觉方法研究[D].中国人民解放军军事医学科学院,2017.]优化了现有BOVW模型，构建了视觉地形分类的最优流程，从而快速、高效地完成视觉地形分类任务。

基于视觉进行地形分类的研究成果较少，而且存在以下问题：1)机器人的运算能力往往较弱，而且需要较为持久的续航能力。然而，很多算法采用了复杂的图像描述子来表征地形样本，这样某种程度上能够提高分类的准确率，但是却占用了大量的运算资源，降低了实时性，同时还增加了能耗；2)基于训练数据集获取的分类器在短时间是有效的，但是随着时间的推移，即使在同一地形上采集的样本也会发生较大变化。如果不自动的调整分类器的参数，势必会降低分类的准确率。基于以上问题，我们提出了一种基于视觉的移动机器人地形分类方法。

发明内容

本发明技术解决问题：克服现有技术的不足，提出一种基于视觉的移动机器人地形分类方法，具有较快的运算速度，能够在线校正错误的分类，并且可以通过在线学习提高分类器的泛化性能。

本发明的技术方案如下：一种基于视觉的移动机器人地形分类方法，包括分为离线训练部分和在线训练部分，其中：

离线训练部分包括以下步骤：

第一步，控制机器人分别在不同地形上匀速运动，期间利用安装在机器人上的摄像头捕捉地面图像，得到地面图像序列；

第二步，对第一步获取的地面图像序列中的每幅图像进行特征提取并归一化以后，得到样本集合Σ，样本集合中的每个样本S_t由12个特征描述，则每个样本是i维样本空间的一个向量，是S_t中的一个元素，上标i＝1,2,…,12；

第三步，对第二步获取的样本集合Σ进行标记，得到样例集合Ω＝{(S₁,Y₁),(S₂,Y₂),…(S_μ,Y_μ)}，其中Y_t∈C,t＝1,2,…,μ表示样本S_t对应的标记，Y_t即真实地形，μ表示Ω中样例的数量；地形集合C＝{c₁,c₂,…,c_m}，m表示地形的数量；