[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

摘要

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。

主权项

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，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，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，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，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。