[發(fā)明專利]基于梯度直方圖和支持向量機的機器人障礙物識別方法

有效

• 申請?zhí)枺?/td>: 201510734493.6
• 申請日: 2015-11-02
• 公開（公告）號: CN105426905B
• 公開（公告）日: 2019-08-06
• 發(fā)明（設(shè)計）人: 張峰;郭銳;慕世友;任杰;傅孟潮;雍軍;韓正新;程志勇;賈永剛;曹雷;賈娟;李建祥;趙金龍
• 申請（專利權(quán)）人: 國網(wǎng)山東省電力公司電力科學(xué)研究院;山東魯能智能技術(shù)有限公司;國家電網(wǎng)公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 濟南圣達知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 張勇

1.一種基于梯度直方圖和支持向量機的機器人障礙物識別方法，其特征是：包括以下步驟：

(1)提取原始圖像梯度直方圖特征，確定表征線上不同類型線上障礙物特征向量集；

(2)將特征向量集中的特征向量進行降低特征維數(shù)，對目標(biāo)圖像進行進一步抽象表征；

(3)將已有各類型圖像進行特征提取，形成新的樣本數(shù)據(jù)，選取訓(xùn)練樣本，利用支持向量機建立起障礙物分類模型，支持向量機分類模型輸出最大值所對應(yīng)的分類類型即為識別結(jié)果；

所述步驟(1)中，包括以下步驟：

(1-1)將圖片進行劃分，將設(shè)定像素區(qū)域指定為一個單元；

(1-2)在每個單元內(nèi)進行0-360°的梯度直方圖統(tǒng)計，將已劃分的單元按照設(shè)定值合并成大區(qū)域，表征每個像素點的梯度特征；

(1-3)將所有單元的特征向量鏈接，得到障礙物特征圖像對應(yīng)的HOG特征向量，利用整體子圖像的直方圖對特征向量進行歸一化處理；

所述步驟(2)中，具體的方法包括：

(2-1)針對已有圖像特征矩陣中的每個訓(xùn)練樣本，計算平均向量；

(2-2)根據(jù)平均向量，計算協(xié)方差矩陣；

(2-3)計算協(xié)方差矩陣的特征值和特征向量，選擇多個貢獻率最大的特征向量作為基，構(gòu)成投影矩陣；

(2-4)利用投影矩陣對原始HOG特征矩陣進行降維處理，得到最終訓(xùn)練特征矩陣；

所述步驟(1-2)中，具體方法為：獲得單元之后，在每個單元內(nèi)進行0-360°的梯度直方圖統(tǒng)計，統(tǒng)計結(jié)果是一個9維的特征向量，將前面的單元合并成為一個大區(qū)域，即2×2的單元組成一個新的單元，利用bin_k表示梯度方向的第k個方向區(qū)間，每個像素點(x,y)處的梯度特征用一個9維的向量V_k(x,y)來表示，V_k(x,y)表示像素點(x,y)在第k個方向的幅度大小

其中1≤k≤9；

所述步驟(1-3)的具體步驟為：將單元的特征向量鏈接起來，得到一張線上典型障礙物特征圖像對應(yīng)的HOG特征向量，其大小為3780維，為了消除光照變化的影響，用整體子圖像的直方圖對特征向量進行歸一化處理。

2.如權(quán)利要求1所述的一種基于梯度直方圖和支持向量機的機器人障礙物識別方法，其特征是：所述步驟(1-1)的具體方法為：將64×128大小的圖片進行劃分，把4×4大小的像素區(qū)域指定為一個單元，用G_x(x,y)，G_y(x,y)分別表示像素點(x,y)處的水平方向和垂直方向的梯度幅值，G(x,y)表示像素點(x,y)處梯度大小，α(x,y)表示像素點(x,y)處的梯度方向，其中：

G_x(x,y)＝I(x+1,y)-I(x-1,y)

G_y(x,y)＝I(x,y+1)-I(x,y-1)

3.如權(quán)利要求1所述的一種基于梯度直方圖和支持向量機的機器人障礙物識別方法，其特征是：所述步驟(2-1)中，具體方法為：針對已有圖像特征矩陣中的每個訓(xùn)練樣本，計算平均向量：

其中x_i為第i個已有圖像特征矩陣中的訓(xùn)練樣本，m為訓(xùn)練樣本數(shù)量，為所得標(biāo)準(zhǔn)差。

4.如權(quán)利要求1所述的一種基于梯度直方圖和支持向量機的機器人障礙物識別方法，其特征是：所述步驟(2-2)中，協(xié)方差矩陣為：C為計算所得協(xié)方差矩陣；

計算協(xié)方差矩陣的特征值和特征向量bi；選擇K個貢獻率最大的特征向量作為特征子空間的基，由這些基組成投影矩陣B，B＝[b₁,b₂,...,b_K]^T。

5.如權(quán)利要求1所述的一種基于梯度直方圖和支持向量機的機器人障礙物識別方法，其特征是：所述步驟(2-4)中，利用投影矩陣B對于原始HOG特征矩陣P進行降維處理，得到最終訓(xùn)練特征矩陣P＝P×B。

6.如權(quán)利要求1所述的一種基于梯度直方圖和支持向量機的機器人障礙物識別方法，其特征是：所述步驟(3)中，通過模式分類原理進行分類器設(shè)計，具體子步驟為：將已有各類型圖像進行特征提取，形成新的L個樣本數(shù)據(jù)；從新的L個樣本數(shù)據(jù)中選取P個樣本數(shù)據(jù)作為訓(xùn)練樣本，利用支持向量機建立起障礙物分類模型。