[发明专利]一种混合地形分类方法

说明书

本发明公开了一种混合地形分类方法，1.使用相机获取相同地理环境的彩色图像和深度图像；2.将彩色图像进行SLIC超像素分割，得到若干个地形边界分割区域；3.得到SegNet地形分类结果及语义填充结果，语义填充结果用RGB颜色识别标记；4.将SLIC边界分割结果与SegNet地形分类结果结合，像素点对应，找出SegNet地形分类区域包含所有像素点RGB分量的众数，把三个分量的众数作为SegNet地形分类区域的RGB值，赋值给SegNet地形分类区域内的所有像素点；5.将RGB分量的众数作为该分类区域的语义填充值，赋值给SLIC超像素分割处理结果中分割区域所对应像素点；得到地形分类结果。

技术领域

本发明属于机器视觉领域，涉及一种混合地形分类方法。

背景技术

室外移动机器人保持正常工作的前提是具备自主导航能力和地形识别能力。机器人对环境的感知和检测主要取决于获得的视觉信息，基于视觉的地形识别有助于机器人快速获取即将到来的地形环境，并做出合理的预测。通过适当的地形分类方法对地形进行分类，从而将有关环境信息反馈给机器人以选择最合适的步态。目前，使用最广泛的分类方法有SVM，神经网络，偏差分类器和高斯混合，它们大多具有良好的适应性和较高的识别精度。然而，由于多足机器人主要用于复杂、非结构化的恶劣环境，这些地形分类器有一定的局限性，不能满足混合地形中移动机器人的分类要求。地形分类中，大多数分类方法具有有限的可识别地形样本，不能应用于复杂多变的非结构化室外环境，导致地形识别错误或者出现无法识别的地形类型。另外，混合地形的分类结果以及地形边界信息的确定决定了机器人所采用的步态，为多足机器人及时做出适合在该种地形上行走的步态变换提供重要依据。地形分类过程可以通过地形分类方法快速实现，但总是无法获得清晰的边界信息，导致机器人在不适当的时刻改变步态，影响机器人的平衡。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种混合地形分类方法，提高地形分类的准确度及边界清晰度。

为达到上述目的，本发明采用以下技术方案予以实现：

一种混合地形分类方法，包括以下步骤；

步骤一，使用相机获取相同地理环境的彩色图像和深度图像；

步骤二，将彩色图像进行SLIC超像素分割，得到若干个地形边界分割区域；

步骤三，利用彩色图像和深度图像得到SegNet地形分类结果及语义填充结果，语义填充结果用RGB颜色识别标记，将SegNet地形分类结果和RGB颜色识别标记标识在深度图像上；

步骤四，将步骤二进行SLIC超像素分割处理的彩色图像与步骤三中深度图像重叠，SLIC边界分割结果与SegNet地形分类结果结合，将SegNet地形分类结果与SLIC边界分割结果的像素点对应，找出SegNet地形分类区域包含所有像素点RGB分量的众数，把三个分量的众数作为SegNet地形分类区域的RGB值，赋值给SegNet地形分类区域内的所有像素点；

步骤五，将SegNet地形分类结果中所对应像素点中RGB分量的众数作为该分类区域的语义填充值，赋值给SLIC超像素分割处理结果中分割区域所对应像素点；得到地形分类结果。

进一步，步骤二中，彩色图像进行SLIC超像素分割包括以下步骤；

a，初始化聚类中心：生成设定的超像素数量，并将种子点均匀的分布在彩色图像中；

b，聚类中心的校正：在种子点的n*n邻域内计算所有像素点的梯度值，并在该邻域内梯度最小的地方替换原种子点；

c，像素点的标签分配：为种子点邻域内的所有像素点分配类标签，判断其所属的聚类中心；

d，相似性度量：分别计算每个种子点与搜索到的每个像素点之间的距离，及目标像素点与种子点之间的颜色相似性和图像坐标的距离；