非结构化室外地形全局检测方法

摘要

本发明提供了一种机器人技术领域的室外地形全局检测方法，具体步骤包括：图像采集、图像预处理、场景图像分割、外观特征提取、地形类别判定、地形分类器候选数据库构建、当前场景最优分类器验证、地形类别统计建模、统计模型参数训练和统计模型推理。本发明从原理上整合了不同时间点的导航经验，提升了视场样本不均衡甚至缺失条件下地形检测的稳定性和智能程度；本发明采用的组合式多层感知器分类器能兼顾场景“外观—地形”映射关系的不确定性和非线性，从而提升地形检测的准确性；本发明从原理上对当前场景各种尺度上的空间关系和类别兼容性进行建模，实现了对非结构化室外地形的全局检测。

主权项

一种非结构化室外地形全局检测方法，其特征在于，检测方法具体为：第一步，采集一帧图像到内存；第二步，对采集的图像进行图像增强、灰度均衡化处理以及高斯平滑滤波等预处理；第三步，将预处理后的图像进行分割处理，分割为近视场图像帧和远视场图像帧，并融合相邻像素在边缘及颜色特征上的差异性，分别将近视场图像帧和远视场图像帧划分为若干像素集，每个像素集作为一个超像素；第四步，分别对近视场图像帧和远视场图像帧以超像素为单位进行外观特征提取；第五步，根据近视场场景超像素内所有像素点的高程平均值对超像素所属地形类别进行自动判定，具体类别由高程平均值与预先确定阈值的相对大小决定，地形类别包括：障碍空间和自由空间；第六步，基于前述步骤获取的近视场超像素“特征——地形类别”信息，训练当前场景对应的地形分类器，与历史预充信息中已有地形分类器共同组成地形分类器候选数据库，同时当前场景近视场图像帧信息与历史预充信息中已有图像帧信息共同组成地形样本候选数据库；第七步，基于当前场景近视场图像帧信息，对地形分类器候选数据库中的所有分类器进行验证，将验证效果最佳的五个分类器进行组合，作为当前场景最优分类器；第八步，基于势能法，分别将近视场超像素和远视场超像素的地形类别联合概率表示成输入为超像素特征的条件概率表达式，得到地形推理统计模型；第九步，每推理完若干帧图像后，利用地形样本候选数据库相关信息，基于梯度上升法，进行一次模型参数的训练；第十步，根据在线学得的统计模型和当前场景远视场超像素的外观特征向量，得到远视场超像素为障碍空间的概率，其大小反映了检测结果为障碍的可信程度，地形类别的确定通过概率值的阈值化实现。