【摘要】：目前,移動(dòng)機(jī)器人在星際探索、野外搜尋、軍事行動(dòng)和災(zāi)害救援等方面均具有重要應(yīng)用。與室內(nèi)結(jié)構(gòu)化環(huán)境不同,野外場(chǎng)景中,地形-地面的多樣性、復(fù)雜性會(huì)對(duì)機(jī)器人的移動(dòng)性能產(chǎn)生較大影響。機(jī)器人對(duì)其所處地形環(huán)境的準(zhǔn)確分類是決定其能否實(shí)現(xiàn)自主移動(dòng)的關(guān)鍵性因素。而視覺是最接近人類的環(huán)境感知方式,能夠提供較為豐富的地形信息,利用視覺方法解決地形分類問題具有重要的理論意義與實(shí)用價(jià)值。本論文綜合運(yùn)用詞袋模型、多層編碼向量、深度濾波器等方法,著眼于設(shè)計(jì)強(qiáng)鑒別力的視覺地形特征,取得了如下創(chuàng)新性成果:(1)完成了模型優(yōu)化,并在現(xiàn)有框架下設(shè)計(jì)了混合表達(dá)(Hybrid Representation,HR)。詞袋模型(Bag of Visual Words,BOVW)縮小底層視覺特征與高層語義之間的語義鴻溝,生成中層語義表達(dá)以提高分類效果,逐步成為了地形分類的常用方法和標(biāo)準(zhǔn)范式。我們優(yōu)化現(xiàn)有BOVW模型,構(gòu)建了視覺地形分類的最優(yōu)流程,從而快速、高效地完成視覺地形分類任務(wù)。本文首先全面研究和分析了視覺地形分類中的詞袋模型方法,系統(tǒng)地總結(jié)了現(xiàn)有工作。然后建立了地形數(shù)據(jù)集Terrain8,評(píng)估了詞袋模型與特征融合的各種方法。最后根據(jù)實(shí)驗(yàn)結(jié)果,利用特征前處理手段、優(yōu)化詞袋模型、特征融合技術(shù)構(gòu)建了視覺地形分類的最優(yōu)流程,生成最終的混合表達(dá)HR。在Terrain8數(shù)據(jù)集中完成測(cè)試:HR在SIFT和DSIFT條件下分別取得了88.7%和87.7%的分類準(zhǔn)確率。同時(shí)HR對(duì)噪聲和光照變化也保持了較強(qiáng)的魯棒性。(2)運(yùn)用深度學(xué)習(xí)網(wǎng)絡(luò)的構(gòu)型特點(diǎn),設(shè)計(jì)了一種視覺地形分類的新方法——多層編碼向量(Hierarchical Coding Vector,HCV)。HCV方法堆疊多層基礎(chǔ)BOVW編碼層和1層Fisher編碼層,構(gòu)建多層網(wǎng)絡(luò)結(jié)構(gòu),將一層的編碼結(jié)果輸入到下一層進(jìn)行再編碼,通過逐層抽象,以獲取更豐富的語義信息。BOVW層描述地形圖像中的局部圖塊,Fisher層生成最終的全局表達(dá)。HCV通過多個(gè)編碼層提純圖像語義信息,生成用于描述地形的高層特征,提高了特征的視覺鑒別力。為了更好的對(duì)比分類性能,我們使用國際通用數(shù)據(jù)集21-Class Land Use(LU)和RSSCN7進(jìn)行評(píng)估,實(shí)驗(yàn)結(jié)果顯示了HCV方法的有效性。FV是一種經(jīng)典的編碼方法,聯(lián)合FV與HCV,我們?cè)贚U和RSSCN7數(shù)據(jù)集上獲得了91.8%和86.4%的分類準(zhǔn)確率,優(yōu)于目前文獻(xiàn)中的最優(yōu)結(jié)果。隨后在Terrain8數(shù)據(jù)集上也進(jìn)行測(cè)試,方法(HCV+FV)的分類準(zhǔn)確率達(dá)到了88.0%,與HR的性能相當(dāng),具有優(yōu)秀的視覺地形分類能力。(3)結(jié)合多列可疊加的稀疏降噪自動(dòng)編碼器(Stacked Denoising Sparse Autoencoder,SDSAE)和FV池化層,我們提出了一種新型的混合結(jié)構(gòu)——深度濾波器(Deep Filter Banks,DFB)。方法使用多層網(wǎng)絡(luò)結(jié)構(gòu),從地形圖像中自主學(xué)習(xí)到具有鑒別力的視覺特征。SDSAE用于描述圖像中的局部圖塊,FV池化層生成魯棒的全局表達(dá)。模型參數(shù)是影響分類性能的關(guān)鍵因素,且隨著模型擴(kuò)展,參數(shù)尋優(yōu)空間會(huì)呈指數(shù)增長,較為復(fù)雜的參數(shù)整定過程制約分類性能的進(jìn)一步提升。不同于依靠手工特征的方法,深度濾波器DFB使用機(jī)器學(xué)習(xí)方法完成模型參數(shù)的自優(yōu)化,無需手工整定,模型構(gòu)建過程變得簡(jiǎn)單高效。同時(shí)DFB能發(fā)現(xiàn)圖像中更深層的模式結(jié)構(gòu),具有更出色的視覺地形分類性能。通過實(shí)驗(yàn)發(fā)現(xiàn),DFB分別取得了92.7%(LU)、90.4%(RSSCN7)和89.8%(Terrain8)的分類準(zhǔn)確率,顯示出較為理想的視覺鑒別力,進(jìn)一步提升了視覺方法的地形分類能力。(4)結(jié)合DFB算法生成的視覺特征,設(shè)計(jì)了地形視頻的處理框架,在多種移動(dòng)機(jī)器人平臺(tái)中進(jìn)行了應(yīng)用實(shí)驗(yàn)�；谝陨系难芯砍晒�,我們對(duì)算法實(shí)用化進(jìn)行了初步探索。首先設(shè)計(jì)了地形視頻的處理框架,將提出的視覺特征應(yīng)用于多個(gè)移動(dòng)機(jī)器人平臺(tái)中。視覺地形分類算法運(yùn)行時(shí),機(jī)器人無需停止運(yùn)動(dòng),算法不會(huì)干擾機(jī)器人的正常任務(wù)進(jìn)展。隨后在多種平臺(tái)上進(jìn)行實(shí)地實(shí)驗(yàn),實(shí)驗(yàn)地形包括四種:瓷磚、雪地、瀝青和草地。DFB算法在三種移動(dòng)機(jī)器人平臺(tái)上均取得了較好的視覺分類準(zhǔn)確率(四足變胞移動(dòng)機(jī)器人:97.12%、仿生弧腿式移動(dòng)機(jī)器人:99.38%和HUSKY無人地面車:95.92%)。同時(shí),DFB算法還在高速狀態(tài)、夜光環(huán)境中保持了視覺鑒別力,分類準(zhǔn)確率分別為94.19%和93.81%。實(shí)驗(yàn)結(jié)果表明:DFB具有優(yōu)秀且穩(wěn)定的視覺地形分類性能,魯棒性強(qiáng),具有較好的實(shí)用潛力。綜上所述,本研究開展了移動(dòng)機(jī)器人地形分類的視覺方法研究,在現(xiàn)有框架下完成了模型優(yōu)化,設(shè)計(jì)了二種視覺地形分類的新方法,并基于多種移動(dòng)機(jī)器人平臺(tái)開展了實(shí)地的應(yīng)用實(shí)驗(yàn)。首先建立了地形數(shù)據(jù)集Terrain8,對(duì)BOVW模型和特征融合中的不同方法開展了評(píng)估實(shí)驗(yàn),并基于實(shí)驗(yàn)數(shù)據(jù)建立了最優(yōu)流程。隨后借鑒深度學(xué)習(xí)網(wǎng)絡(luò),設(shè)計(jì)了多層編碼向量HCV,方法能生成用于描述地形的高層特征,具有優(yōu)秀的視覺鑒別力。之后針對(duì)HCV模型較為復(fù)雜的參數(shù)整定過程,結(jié)合SDASE和FV方法,設(shè)計(jì)了深度濾波器DFB,模型可完成參數(shù)自整定,構(gòu)建變得更加簡(jiǎn)單高效,特征的視覺鑒別力獲得進(jìn)一步提升。最后在三種移動(dòng)機(jī)器人平臺(tái)和四種地形中完成了算法的實(shí)地應(yīng)用實(shí)驗(yàn),驗(yàn)證了視覺地形分類效果。論文研究成果可為移動(dòng)機(jī)器人在復(fù)雜未知地形上的運(yùn)動(dòng)控制和自主導(dǎo)航提供重要的信息參考。
[Abstract]:......
【學(xué)位授予單位】：中國人民解放軍軍事醫(yī)學(xué)科學(xué)院
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP242

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳航;劉保真;蘇衛(wèi)華;張文昌;孫景工;;視覺地形分類的詞袋框架綜述[J];中國圖象圖形學(xué)報(bào);2016年10期

2 丁良宏;;BigDog四足機(jī)器人關(guān)鍵技術(shù)分析[J];機(jī)械工程學(xué)報(bào);2015年07期

3 蘇衛(wèi)華;吳航;張西正;劉志國;孫景工;;救援機(jī)器人研究起源、發(fā)展歷程與問題[J];軍事醫(yī)學(xué);2014年12期

4 吳偉仁;周建亮;王保豐;劉傳凱;;嫦娥三號(hào)“玉兔號(hào)”巡視器遙操作中的關(guān)鍵技術(shù)[J];中國科學(xué):信息科學(xué);2014年04期

5 趙理君;唐娉;霍連志;鄭柯;;圖像場(chǎng)景分類中視覺詞包模型方法綜述[J];中國圖象圖形學(xué)報(bào);2014年03期

6 鐘晨;王偉;;移動(dòng)機(jī)器人室外環(huán)境分級(jí)地形分類與參數(shù)估計(jì)[J];大連理工大學(xué)學(xué)報(bào);2013年04期

7 李強(qiáng);薛開;徐賀;潘文林;王天龍;;基于振動(dòng)采用支持向量機(jī)方法的移動(dòng)機(jī)器人地形分類[J];機(jī)器人;2012年06期

8 朱效洲;李宇波;盧惠民;張輝;;基于視覺的移動(dòng)機(jī)器人可通行區(qū)域識(shí)別研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2012年06期

9 邸凱昌;葛之江;;勇氣號(hào)火星車六年探測(cè)征程及科學(xué)發(fā)現(xiàn)簡(jiǎn)述(英文)[J];遙感學(xué)報(bào);2011年04期

10 朱磊磊;陳軍;;輪式移動(dòng)機(jī)器人研究綜述[J];機(jī)床與液壓;2009年08期

相關(guān)博士學(xué)位論文 前5條

1 張帥帥;復(fù)雜地形環(huán)境中四足機(jī)器人行走方法研究[D];山東大學(xué);2016年

2 常青;四足機(jī)器人全向運(yùn)動(dòng)規(guī)劃方法與穩(wěn)定性研究[D];北京理工大學(xué);2016年

3 邱純鑫;基于地形特征的移動(dòng)機(jī)器人定位制圖及可穿越性的研究[D];哈爾濱工業(yè)大學(xué);2014年

4 李彬;視覺地形分類和四足機(jī)器人步態(tài)規(guī)劃方法研究與應(yīng)用[D];山東大學(xué);2012年

5 歐屹;特種地面移動(dòng)機(jī)器人機(jī)械系統(tǒng)設(shè)計(jì)與分析[D];南京理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前1條

1 黃晶;面向四足機(jī)器人的地形識(shí)別與運(yùn)動(dòng)規(guī)劃方法研究[D];哈爾濱工業(yè)大學(xué);2014年

，

本文編號(hào)：2264627