论文部分内容阅读
机器视觉的研究涉及到模式识别、图像处理、软件工程等学科与技术,其相关研究越来越受到国内外学者的重视。通过视觉传感器对周围环境信息的理解是移动机器人研究的核心问题之一,是移动机器人完成自主导航与环境探索等任务的基础,其中对室外复杂非结构化环境的辨识与理解是该领域研究热点。本文主要研究面向室外非结构化环境的自然场景理解问题。为了实现对室外复杂场景图像的有效辨识与理解,在完成室外环境图像库构建的基础上,提取出图像库中每个训练样本的稳定有效图像特征。本文研究中采用Flea2视觉系统对室外环境进行图像采集和相关图像库的构建。利用高维滤波带对图像库中的样本进行矢量化,并使用聚类学习算法提取出图像的基本结构特征Texton描述符。为了解决机器人在快速运行状态下的避障问题,同时弥补激光测距系统对障碍物区域可能出现的“误判”与“漏判”,本文提出了一种室外动态环境中的快速障碍物检测方法。在利用Texton全局图像直方图对图像场景进行描述的基础上,采用图像全局直方图金字塔匹配方式来完成两幅图像场景间相似度的度量。为了适应环境中多类物体并存的复杂情况,采用支持向量机(SVM)多类分类的方式来构建多类别识别模型,从而实现了对室外动态环境中障碍物的实时检测。为了满足移动机器人自主导航与环境探索任务的需求,自主系统对室外自然场景要具有理解与认知能力。借鉴Boost算法进行数据分类的已有研究结果,本文研究中完成了基于Texton描述符的语义性弱分类器和像素性弱分类器的提取,实现了相应的物体类别的强分类器识别模型构建,从而完成了图像子块的有效分类。由于图像子块中含有大量相似结构信息,采用聚类算法分别构建出不同类别的图像子块模型库,在识别阶段采用模型库匹配算法完成图像子块的识别与分类。为了解决Texton描述符中类别歧义问题,本文提出了一种基于图像子块的语义识别模型,将全局类别分布信息和图像子块的类别信息进行融合,从而显著提高了图像子块类别的平均识别率。实验结果和数据分析验证了本文所提模型和算法的有效性和实用性。