[发明专利]一种基于少量标注的野外机器人地面分类方法及系统

说明书

本发明公开了一种基于少量标注的野外机器人地面分类方法及系统，属于计算机技术领域，通过将振动传感器采集的振动信号与图像采集设备采集的地面图像信号进行对应，并人工识别地面图像信号所对应的真实地面类型，以此对振动信号进行标注，得到有标注样本和无标注样本对支持向量机进行训练，以防止某类样本缺乏标注，同时更好的利用空间平滑性假设，提升分类准确度。本发明的样本分类很好的反映了数据分类的实际情况，利用分类好的数据对模型进行训练，提高了半监督分类的准确率。

技术领域

本发明涉及计算机技术领域，特别涉及一种基于少量标注的野外机器人地面分类方法及系统。

背景技术

如何利用海量的数据是当前机器学习面临的一个重要任务，传统的支持向量机是一种有监督的学习方法，需要大量有标记的样本进行训练。但在实际应用中，由于能够使用的样本数据大部分是没有标签的，有标签的样本点较少，如果只利用这些较少的有标签的样本，会导致大量位置标签的样本中存在的信息被丢失掉。因此有学者提出半监督学习的方法即在半监督学习过程中既利用无标签的样本数据知识，又对少量的有标签的样本数据知识进行利用。然而，目前已有的半监督学习方法，对空间平滑性的利用还不充分，尤其是在机器人地面分类中，导致大量的错误分类。

发明内容

本发明的目的在于克服上述背景技术中的不足，提高半监督分类的准确率。

为实现以上目的，一方面，采用一种基于少量标注的野外机器人地面分类方法，包括如下步骤：

获取振动传感器采集的振动信号和图像采集设备采集的地面图像信号，并得到振动帧集合和地面图像信号的集合；

采用d点傅里叶变换将振动帧转化为样本，得到样本集合X＝{x₁,x₂,…,x_p,…,x_P}，其中x_p是一个样本，样本表示实数集，d为样本维度；

设L＝{1,2,…,c,…,l}表示地面类型编号取值的集合，c＝1,2,…,l，建立状态转移矩阵m,n＝1,2,…,l，T_m,n表示状态m到状态n的转移概率；

根据状态转移矩阵中的对角线上最小的元素，设定标注间隔Δ，Δ为整数；

按照标注间隔Δ读取人工识别所对应的真实地面类型并对x_p进行标注，得到有标注样本集{x_i,y_i}和无标注样本集{x_j},i＝1,2,…,I，j＝1,2,…,J，I+J＝P，y_i为样本x_i的标注；

利用所述有标注样本集和无标注样本集对构建的支持向量机模型进行训练，得到训练好的支持向量机；

利用训练好的支持向量机，对当前采集的振动信号进行处理，实现地面类型的分类。

进一步地，所述获取振动传感器采集的振动信号和图像采集设备采集的地面图像信号，并得到振动帧集合和地面图像信号的集合，包括：

将振动信号转换为振动帧的集合{v₁,v₂,…,v_p,…,v_P}，其中v_p是一个振动帧，p＝1,2,…,P，P为所有振动帧的数量；

依据时间戳将每个振动帧与地面图像信号进行对应，得到地面图像信号的集合所述振动信号与所述图像信号均有时间戳。

进一步地，所述根据状态转移矩阵中的对角线上最小的元素，设定标注间隔Δ，包括：

计算满足对应的w，得到w_min，其中，T_min表示状态转移矩阵中对角线上最小的元素，τ∈(0,1)为阈值，w＝0,1,2,…；