[发明专利]一种基于视觉的移动机器人地形分类方法

摘要

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。

主权项

1.一种基于视觉的移动机器人地形分类方法，其特征在于：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∑，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∑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；第四步，对第三步获取的样例集合Ω采用CART算法生成决策树并剪枝，最终得到决策树D₀；在线训练部分步骤如下：第五步，采集地面图像，得到第k秒的地面图像M_k，k＝1，2，…第六步，对第五步获取的M_k提取特征并归一化，得到第k秒的样本S_k；第七步，如果k＝1，则利用第四步中得到的决策树D₀预测地形，否则利用第九步中得到的决策树D_k‑1预测地形，得到第k秒的预测地形x_k；存储x_k得到预测的地形序列X_k＝{x₁.x₂，…，x_k，…}；第八步，对第七步获得的X_k＝{x₁.x₂，…，x_k，…}进行修正，修正方法如下：其中，c_j∈C；为示性函数，当x_i＝c_j时，否则τ表示窗口长度，τ＞0且τ为正整数；得到修正的地形序列第九步，如果则不修正已有的决策树，即D_k＝D_k‑1；如果则利用样例修正已有的决策树，得到第k秒的决策树D_k。