[发明专利]一种机器人地面环境感知方法

权利要求书

1.一种机器人地面环境感知方法，其特征在于，包括以下步骤：

步骤1、利用机器人的机载摄像头采集大量的地面图像，得到一系列图像并对进行标记，得到对应的地面类别标签其中，V_i表示第i个图像，y_i表示第i个图像的地面类别标签，图像为灰度图，且为矩阵形式，共N_i个像素点，N_o为地面类别的数量，因此地面类别集合为如果图像V_i的类别为中的第c类，则y_i的第c个元素为1，其余为0；表示实数域，i为1到n的正整数，n为图像总数，上标T表示转置；

步骤2、初始化：将所有图像合并成向量，得到样本集合其中人工设定特征提取模块和目标分类模块的隐藏层节点数N_a0与N_b0，N_a与N_b均为正整数，设定损失系数C0为正实数；

步骤3、特征提取模块构建

步骤3.1、初始化：阈值系数λ0，衰减系数δ∈(0,1)，训练停止阈值th0，迭代步t＝0，第t步的中心距向量y_t＝0，第t步的特征提取模块的输出权重矩阵α_t＝0，第t步的步长τ_t＝0；

步骤3.2、生成特征提取模块的隐藏层输出矩阵H_a，如下：首先随机生成N_a个得到随机生成N_a个得到其中a^a为特征提取模块的隐藏层输入权重向量，b^a为特征提取模块的隐藏层输入偏置；然后计算特征提取模块的隐藏层输出函数其中，G(a,b,x)为激活函数，x表示样本；最后计算特征提取模块的隐藏层输出矩阵H_a：H_a＝[h_a(x₁),…,h_a(x_n)]^T；

步骤3.3、令

其中，X＝[x₁,…,x_n]^T；

步骤3.4、令

步骤3.5、令

步骤3.6、如果‖α_t-α_t+1‖₂th，则令特征提取模块的最优输出权重矩阵并跳至步骤4；否则，令t自增1并跳至步骤3.3；

步骤4、目标分类模块构建：

步骤4.1、特征空间变换：将所有的初始样本转化为优化样本为，如下：得到

步骤4.2、生成目标分类模块的隐藏层输出矩阵H_b，如下：首先随机生成N_b个得到随机生成N_b个得到其中a^b为目标分类模块的隐藏层输入权重向量，b^b为目标分类模块的隐藏层输入偏置；然后计算目标分类模块的隐藏层输出函数其中，G(a,b,x)为激活函数，x表示样本；最后计算目标分类模块的隐藏层输出矩阵H_b：

步骤4.3、求解目标分类模块的最优输出权重矩阵如下：如果H_b的行数大于列数，且为列满秩，此时训练样本多于隐藏神经元数，则其中I为适维单位矩阵；如果H_b的行数小于列数，此时训练样本少于隐藏神经元数，则其中I为适维单位矩阵，Y＝[y₁；…；y_n]，Y中分号表示换行；

步骤5、输入新的地面图像，输入到特征提取模块，得到优化样本接着将输入到目标分类模块，利用f(x)中最大值对应的序号即为地面类型。

2.如权利要求1所述的一种机器人地面环境感知方法，其特征在于，所涉及的激活函数G(a,b,x)为：

其中，a为隐藏层输入权重向量，b为隐藏层输入偏置。

3.如权利要求1所述的一种机器人地面环境感知方法，其特征在于，所涉及的激活函数G(a,b,x)为：

其中，a为隐藏层输入权重向量，b为隐藏层输入偏置。