野外环境中基于随机森林的地形分类研究

• 作 者: 代晓芳
• 机 构: 南开大学
• 出 处: 南开大学
• 发表日期: 2015年期
• 关键词: 移动机器人 随机森林 地形分类 野外环境 特征提取 机器学习 分类算法

移动机器人可以代替人到各种艰苦、危险的野外环境中执行任务，而野外环境具有复杂性、多变性、随机性等特点，为了保证机器人安全、有效的完成任务需要保证地形分类的实时性和适应性。特征提取算法和机器学习分类算法作为移动机器人地形分类的两大核心，其优劣与分类效果的好坏有着极大的联系。如果能将特征提取算法和机器学习分类算法相结合起来，在视觉地形分类器的训练过程中进行特征的动态选择，那么将会对机器人的地形分类问题产生重要影响。随机森林作为近些年机器学习领域广受欢迎的分类算法，有着很多优质的特性，它可以利用训练样本获得泛化误差的内部估计，此外，它还可以对特征变量进行重要性排序，利用重要性排序进行特征选择。　　本文主要基于随机森林对移动机器人所处环境进行地形分类，首先提取颜色特征、纹理特征、几何特征共102维候选视觉特征，利用随机森林能够在视觉地形分类器训练的过程中默认输出泛化误差和特征变量重要性的特点，设计基于随机森林的特征选择算法，选取与地形类别紧密相关的少数特征。再利用选取的特征子集进行随机森林分类器的训练，并使用训练好的随机森林分类器对地形进行分类。我们在多个数据集上的实验结果表明基于随机森林的特征选择方法能够获得与地形类别高度相关的特征变量。同时，基于随机森林的地形分类方法有较高的分类准确率和较理想的分类时间。这两方面保证了地形分类的实时性和适应性，为移动机器人在野外环境中的作业提供了保障。