[发明专利]一种基于视触融合的室外移动机器人地形识别方法

说明书

本发明提出的一种基于视触融合的室外移动机器人地形识别方法，首先根据不同路面材质选择地形种类；针对不同地形采集触觉和视觉两种模态数据，并划分训练集和测试集；构建级联宽度学习网络并使用触觉训练样本集和视觉训练样本集对该网络进行训练，训练过程中，先进行触觉和视觉初步特征提取，再进行触觉和视觉融合特征提取，随后将融合后的触觉特征矩阵和视觉特征矩阵经宽度学习分类算法，通过岭回归的广义逆近似求得地形识别分类结果作为级联宽度学习网络的输出；最后将测试集输入训练完毕的级联宽度学习网络中，得到地形识别的分类结果。本发明基于宽度学习，将视触觉信息相融合，可实现小数据下的移动机器人地形识别，且鲁棒性和准确性高。

技术领域

本发明涉及机器人环境感知技术领域，具体是涉及一种基于视触融合的室外移动机器 人地形识别方法。

背景技术

随着机器人技术的快速发展，室外移动机器人在灾害救援、野外搜寻以及星际探索等 任务中均有重要应用。在与环境交互过程中，地形几何特征对机器人的移动性能具有较大 的影响，机器人需要针对不同的地形特征采取不同的移动模式。其中，在平坦、坚硬且摩 擦力大的路面可以用相对较高的速度移动，而松软，泥泞的路面有可能给机器人带来危险。 因此，室外移动机器人必须具备快速、有效的地形识别能力。不同地形的正确分类可以在 很大程度上提高移动机器人在错综复杂的野外自然环境中的自主导航及避障能力，具有很 大的研究价值和意义。

室外移动机器人在感知外界环境的过程中主要依靠视觉信息完成地形特征的分类识 别。作为最接近人类的环境感知方式，视觉可以提供丰富的地形信息，成为了当前机器人 感知的重要输入。然而，丰富的视觉信息增加了分类难度。阴影、光线和抖动等外界因素 都会影响地形的视觉表现，给视觉地形分类带来了挑战。对于上述外界因素，人脑会本能 的将同一物体的不同模态感知特征进行融合，从而达到对物体正确分类的目的。移动机器 人运动过程中与不同类型地面相互作用，触觉传感器会产生有差异的振动信号，因此，可 以使用与视觉信息互补的触觉信息来进行地形识别。

目前在关于地形识别算法的研究中，深层神经网络由于其多层次多角度通过反向传播 算法自动从复杂数据中提取特征，能出色地完成地形识别任务。然而，大量的超参数和复 杂的结构使得深层神经网络经历一个耗时的训练过程。为了达到满意的精度，深层神经网 络结构需要不断增加隐含层数或调整网络参数，这给深度学习的训练带来了进一步的困难。

一个具有多模式感知系统的室外移动机器人能够收集大量的传感器信息，这为机器人 地形的正确识别奠定了基础。但是，处理大量的信息，降低了它的反应速度。并且在实际 应用中，由于外界条件传感器收集的数据量有限，无法为深度学习算法提供足够的数据进 行学习训练。如何在充分利用传感器信息资源的基础上提高机器人反应速度成为机器人研 究的一个热点。

2017年陈俊龙教授等人提出了宽度学习(Broad learning,BRL)算法，该算法作为深度 学习的替代方法以其强大的数学理论支撑、简洁的平层网络结构、快速的增量建模过程等 优点，成功地应用于图像识别、分类和回归以及数据建模等领域。目前，还未见宽度学习 算法在机器人地形识别领域中的应用。

发明内容

本发明的目的是为了克服已有技术的不足之处，提出了一种基于视触融合的室外移动 机器人地形识别方法，本发明是在宽度学习的基础上提出的地形识别方法，该方法可以很 好地融合视觉和触觉数据，避免了耗时的训练过程，且在小样本数据情况下完成地形识别 任务，提高了地形识别的鲁棒性和准确性。

为实现上述目的，本发明采用如下技术方案予以实现。

本发明提出的一种基于视触融合的室外移动机器人地形识别方法，其特征在于，包括 以下步骤：

本发明提出的一种基于视触融合的室外移动机器人地形识别方法，其特征在于，包括 以下步骤：

1)地形种类选择