[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

说明书

本发明公开了机器人自适应地形分类方法、系统与计算机可读存储介质，地形分类方法包括以下步骤：初始化、采集原始数据、提取特征获取样本、获取地形初步预测概率向量、获取地形最终预测概率向量、获取地形最终预测结果、获取新的伪标记样本并更新分类器、获取每个时间点的地形预测结果；地形分类系统由振动传感器/摄像头与数据处理单元组成；计算机可读存储介质存储有地形分类程序。相比已有的技术，本发明对地形分类问题中数据分布的漂移有一定的自适应能力，可在保证精度的情况下长期稳定运行。

技术领域

本发明涉及机器人领域，特别是涉及机器人自适应地形分类方法、系统与计算机可读存储介质。

背景技术

利用机器人技术实现搜救、侦查、采样等多种卫勤任务已经成为未来技术发展的重要趋势，在民用、军用领域有着广阔的应用场景。而移动机器人作为机器人技术的重要分支，引起众多研究者的关注。目前，随着机器人技术的快速发展，各类移动机器人平台的应用场景逐渐从结构化环境拓展到非结构化环境。不同于结构化环境，机器人在非结构化环境中必须面对不同的路面环境，松软、泥泞、崎岖不平的路面都有可能给机器人带来危险。这些危险路面统称为非几何特征危险。移动机器人自主识别这些非几何特征危险，即对地形进行分类，能使机器人采取与地形相适应的运动策略，安全有效地通过各类地形。地形非几何特征的分类识别方法主要包括基于振动的地形分类方法和基于视觉的地形分类方法。由于数据采集的不完备特性，导致机器人地形分类在实际运行时精度下降，为此，需要开发出一些自适应方法来解决这个问题。

发明内容

本发明技术克服现有技术的不足，解决了基于视觉或振动的地形分类中数据分布漂移的问题。

为解决上述问题，本发明公开了机器人自适应地形分类方法、系统与计算机可读存储介质，所述一种机器人自适应地形分类方法，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：