基于視覺的移動機器人室外地形識別.pdf

1、隨著機器人技術和計算機視覺算法理論發(fā)展，機器人的應用場所得到了極大的拓展。具備一定的自主導航和地形識別能力成為室外移動機器人正常工作的重要前提。由于室外自然環(huán)境有別于室內環(huán)境，存在非結構化以及復雜多變等問題。因此不同的地形對于機器人的運動能力將會產生各種各樣的限制。機器人對于環(huán)境的感知過程中，視覺可以提供豐富的信息，基于視覺的地形識別有助于機器人對于即將通過的地形進行理解并作出合理預測。對于地形進行精確的識別，將保證移動機器人在自然環(huán)境

2、中安全、穩(wěn)定地運動。本文研究了基于視覺的移動機器人地形識別算法，主要工作如下:
　　首先，論述了地形識別的研究背景和意義，綜述了國內外文獻對于移動機器人地形識別技術的研究現狀，分析了基于視覺的地形識別相較于其他傳感器存在的優(yōu)越性，從場景分割和地形特征提取以及目前公開的地形數據集幾個方面對當前基于視覺的地形識別研究中存在的問題進行了分析，介紹了本文的主要研究內容和章節(jié)安排。
　　第二，在對于當前地形分類實驗采取的公共數據集的研

3、究基礎之上，提出建立了更全面的SDUterrain地形數據集。該數據集利用消費級相機和攝像頭采集，包含光照多樣性、場景復雜性等等地形樣本，并進行了標注，具備一定的樣本豐富性。
　　第三，針對室外場景復雜多變的特點，對于混合地形樣本圖像分割進行了嘗試，采取了分水嶺算法和圖論方法進行分割。其中分水嶺算法會產生嚴重的過分割，因此本文將基于比較理論的圖論方法與分水嶺算法分割相結合，實現了適用于地形場景的分割方案，改善了過分割現象，分割得到

4、了完整的地形區(qū)域和包括地平線在內的區(qū)域界線。
　　第四，分析了地形圖像的特征特點，對于地形數據集樣本提取了顏色直方圖、LBP(Local Binary Pattern，局部二值模式)、SIFT(Scale-Invariant Feature Transform，尺度不變特征變換)、CEDD（Color and Edge Directivity Descriptor，顏色和邊緣方向性描述子）四種特征，并采用ELM（Extreme L

5、earning Machine，極限學習機）作為地形識別分類器。在實驗階段首先對于ELM應用于地形識別特征分類進行合適參數組合選取測試實驗，再分別對于各特征采取不同激活函數和隱元進行分類實驗后，確定了最優(yōu)的參數選取區(qū)間，有利于后續(xù)地形識別中提高整體分類精度和節(jié)約隱元選擇時間。隨后，在此基礎上對于單一特征進行地形分類實驗，在單一特征精度不足的情況下，嘗試特征融合的方案，將具有互補特性的顏色直方圖特征與LBP特征融合，取得了優(yōu)于單一特征的地