[发明专利]一种移动机器人可行区域训练数据集扩充方法

说明书

本发明公开了一种移动机器人可行区域训练数据集扩充方法，使用双目摄像头采集额定张包含地形地貌的原始图像，其后对图像作标准化处理，以便于后续的数据集扩充变换，随后进行图像变换扩充。在此基础上，通过图像合成、增加雨雪印记、模拟红外来扩充不同气象及拍摄条件下得到的图像样本，变换出许多特殊情况下才可能采集到的图像样本。本发明有效扩大了数据集覆盖范围，为后续的机器学习增加了更多的训练样本，显著缩短了构建数据集的周期，降低了构建数据集的成本，辅助提高了移动机器人的训练效果，提高了机器人在多种特殊情况下对可行区域的识别率。

技术领域

本发明涉及一种数据集扩充方法，特别涉及一种移动机器人可行区域训练数据集扩充方法。

背景技术

可行区域是指移动机器人可以行走的区域，对可行区域进行识别是移动机器人导航与规划的前提条件。目前的可行区域识别技术主要是把传感器（如：激光雷达、视觉等）覆盖的空间区分为可行区域与不可行区域。随着机器人技术的发展，机器人应用领域也在不断扩展，其工作环境逐步从室内拓展至室外。室外可行区域区别的区别非常大，例如：柏油路、泥土路、瓷砖路、草地、沙子路等。不同可行区域尽管都可以行走，但是对机器人的速度、安全性、能耗等指标影响非常大。考虑到移动机器人工作时不同的地形地貌地貌对其造成的影响，区分不同的可行区域对移动机器人的导航与规划非常重要，但目前这方面的技术尚处于起步阶段。图像识别目前常常采用机器学习的办法，而机器学习的关键是有一个海量的样本集供训练使用。对于机器人可行区域识别而言，如果样本库过泛，或导致识别率低、实时性差等问题，如果对不同的工作环境建立专门的样本库，则需要投入大量的人力物力。如何针对专门的工作环境，快速低成本的建立有效的样本库是本发明要解决的问题。

发明内容

针对一般图像库扩充方法仅能变换得到平常状况下的图像，扩充时覆盖面较窄的问题，本发明提供了一种移动机器人可行区域训练数据集扩充方法，覆盖了平常以及特殊情况下可能拍摄的图像，增加了数据集的丰富性。

本发明的技术方案为：

一种移动机器人可行区域训练数据集扩充方法，包括以下步骤：

步骤一：使用双目摄像头获取额定张包含不同地形地貌的原始图像，并利用双目测算所述图像上若干点之间相对位置高度，对存在相对位置高度差大于额定值的图像作标记；

步骤二：使用循环剪切法每隔固定像素剪切原始图像，得到若干子图像并保存；

步骤三：将所述子图像中像素小于固定像素的边缘子图像删去，剩下若干大小一致的等像素图像并保存；

步骤四：从所述等像素图像中筛选出地形地貌信息所占像素比大于等于预设值的图像，然后作为初始图像保存；

步骤五：将所述初始图像以预设的比例缩放，得到样本图像的数据集并保存；

步骤六：两两对比所述数据集中图像的相似度，生成若干组带两张相似图像的图组，将所述图组以相似度为标准排序，将排行位于阈值之前的图组中的两张图像合成，保存合成图以及原数据集的图像为样本数据集；

步骤七：以旋转变换、翻转变换、缩放变换、镜像变换，过滤变换、对比度变换以及噪声扰动为变换基本元素，生成若干种不同的变换组合，对照每种数学组合中包含的元素对样本数据集中图像进行对应的变换或扰动，将新生成的图像以及原有的图像保存为一次扩充数据集；

步骤八：将一次扩充数据集中的部分图像制作副本，对副本图像增加气象效果或镜头异常效果，将一次扩充数据集中的图像以及增加效果后的图像保存为二次扩充数据集；

步骤九：将二次扩充数据集中的部分图像制作副本，对副本图像进行模拟红外变换，随后将二次扩充数据集中的图像以及模拟红外变换后的图像保存为最终数据集。

作为优选，在所述步骤七中，