[发明专利]机器人自适应地形分类方法、系统与计算机可读存储介质

权利要求书

1.一种机器人自适应地形分类方法，其特征在于，具体包括以下步骤：

S101：令时间t＝0，人工确定地形感知模态，可设为振动或视觉；如果地形感知模态为振动，则人工确定机器人在时间t的基于时域特征的地形最终预测概率向量其中为中对地形i的预测概率，i＝1，2，···，L，L为地形种类总数，的所有元素之和为1，并且确定机器人在时间t的基于频域特征的地形最终预测概率向量其中为中对地形i的预测概率，i＝1，2,···,L，的所有元素之和为1；如果地形感知模态为视觉，则人工确定机器人在时间t的基于颜色特征的地形最终预测概率向量其中为中对地形i的预测概率，i＝1,2,···,L，的所有元素之和为1，并且确定机器人在时间t的基于纹理特征的地形最终预测概率向量其中为中对地形i的预测概率，i＝1,2，···，L，的所有元素之和为1；

S102：令t自增1，如果地形感知模态为振动，则获取机器人在时间t-1至t之间的振动序列，即其中n为两个相邻时间点之间采集到的振动信号数量；如果地形感知模态为视觉，则获取机器人在时间t的地面图像I_t；

S103：如果地形感知模态为振动，则求取a_t的时域特征与频域特征，分别得到基于时域特征的样本与基于频域特征的样本如果地形感知模态为视觉，则求取I_t的颜色特征与纹理特征，分别得到基于颜色特征的样本与基于纹理特征的样本

S104：如果地形感知模态为振动，则将输入到基于时域特征的分类器C_T中，得到时间t的基于时域特征的地形初步预测概率向量将输入到基于频域特征的分类器C_F中，得到时间t的基于频域特征的地形初步预测概率向量如果地形感知模态为视觉，则将输入到基于颜色特征的分类器C_C中，得到时间t的基于颜色特征的地形初步预测概率向量将输入到基于纹理特征的分类器C_E中，得到时间t的基于纹理特征的地形初步预测概率向量

S105：如果地形感知模态为振动，则求取时间t的基于时域特征的地形最终预测概率向量与基于频域特征的地形最终预测概率向量方式如下：

其中，皆为大于等于0小于等于1的实数，且之和为1，之和为1；

如果地形感知模态为视觉，则求取时间t的基于颜色特征的地形最终预测概率向量与基于纹理特征的地形最终预测概率向量方式如下：

其中，皆为大于等于0小于等于1的实数，且之和为1，之和为1；

S106：求取地形最终预测结果如果地形感知模态为振动，则方法如下：

其中，如果地形感知模态为视觉，则方法如下：

其中，

S107：获取新的伪标记样本并更新分类器，如果地形感知模态为振动，则方法如下：当满足且时，其中，则用标记并利用这个伪标记样本对分类器C_T进行增量训练；当满足且时，则用标记并利用这个伪标记样本对分类器C_F进行增量训练；如果地形感知模态为视觉，则方法如下：当满足且时，其中，则用标记并利用这个伪标记样本对分类器C_C进行增量训练；当满足且时，则用标记并利用这个伪标记样本对分类器C_E进行增量训练。

2.根据权利要求1所述的一种机器人自适应地形分类方法，其中，所述步骤S101中涉及的确定与的方法如下：

如果确切可知机器人初始位于地形h，则对于i＝≠h，有

如果不可知机器人的初始地形，则对于i＝1,2,···，L，有

3.根据权利要求1所述的一种机器人自适应地形分类方法，其中，所述步骤S103中涉及的求取与的方法如下：

分别求a_t的均值、方差、峰度、最大值、最小值、最大最小值之差，并组成一个6维向量，即为

对a_t作N点-快速傅里叶变换，其中N＝min{2^l|l＝1，2，···，且2^l≥n}，变换后得到的频谱向量即为