[發明專利]一種基于多重編碼與特征融合的視覺地形分類方法

有效

• 申請號: 201610047921.2
• 申請日: 2016-01-25
• 公開（公告）號: CN105718955B
• 公開（公告）日: 2019-05-31
• 發明（設計）人: 吳航;劉保真;孫景工;蘇衛華;張文昌;苑英海;安慰寧;秦曉麗
• 申請（專利權）人: 中國人民解放軍軍事醫學科學院衛生裝備研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

本發明公開了一種基于多重編碼與特征融合的視覺地形分類方法，首先提取SIFT特征描述圖像局部信息，使用PCA?Whitening進行特征預處理，降低特征空間的相關性，進而建立K?means字典與GMM字典，通過稀疏編碼與差異化編碼方法實現視覺地形特征的再描述，并使用GIST特征補充視覺地形全局信息，最后，使用多核學習方法進行特征融合，形成緊湊的視覺地形特征表達，輸入線性支持向量機(SVM)中，得到視覺地形分類結果。本發明利用多重編碼與多特征融合方法全面描述了視覺地形的局部多階信息與全局特征，并通過與基線方法的對比，驗證了方法的有效性。

技術領域

本發明涉及視覺地形分類領域，尤其涉及一種基于多重編碼與特征融合的視覺地形分類方法。

背景技術

不同于室內結構化環境，野外場景下，機器人必須面對不同的路面環境，松軟、泥濘、崎嶇不平的路面都有可能給機器人帶來危險。這些危險路面統稱為非幾何地形特征危險(Non-geometric hazard)。對此，機器人必須具備準確的感知和分類能力，才能據此做出合適的路徑規劃、不同的步態規劃和運動控制策略。如果機器人所處的地形特征信息無法被準確識別，就有可能導致機器人做出錯誤的步態規劃和動力學控制決策，使機器人不能實現期望的運動，甚至發生危險。

識別非幾何地形特征的方法主要分為2種，一類是基于本體感受的方法，主要通過分析機器人經過相應地形時的振動信息進行識別分類，這類方法最大的缺點是無法預先識別目標區域地形，機器人容易發生危險。另一類是基于外形特征的方法，主要利用地形的視覺信息，與其它傳感器信息相比，視覺信息最接近于人類的環境感知方式，能夠提供較為豐富的感知信息。因此，基于機器人視覺信息進行地形識別與分類成為目前移動機器人領域的一個研究熱點。

各種顏色、紋理和梯度特征先后被應用于視覺地形識別，都取得了一定的效果，但是這些底層特征的準確性和穩定性還是不能讓人滿意。

同類地形具有差異性的視覺表現，不同類的地形間卻有時表現出高度視覺相似，地形圖像中局部和全局特征混雜，識別的實時性要求高，這些都給視覺的地形分類帶來了挑戰，如何準確、快速的完成地形分類任務仍是目前的急需解決的關鍵問題。

發明內容

本發明提供了一種基于多重編碼與特征融合的視覺地形分類方法，本發明全面描述視覺地形圖像的全局與局部多階特征信息，采用多核學習的方法進行特征融合，形成緊湊的圖像描述，提高了視覺地形分類的準確性與魯棒性，實現了快速、高效的視覺地形分類，詳見下文描述：

一種基于多重編碼與特征融合的視覺地形分類方法，所述視覺地形分類方法包括以下步驟：

使用PCA-Whitening對SIFT特征進行特征預處理，降低特征空間的相關性；

根據特征預處理后的結果，分別建立K-means字典與GMM字典；

對K-means字典通過使用稀疏編碼來描述視覺地形圖像的0階局部特征；對GMM字典通過采用差異化編碼，描述視覺地形圖像的1階與2階局部特征；

使用GIST特征提取地形圖像的視覺全局信息；

通過多核學習方法融合視覺地形圖像的0階、1階、2階局部特征和GIST全局特征，獲取緊湊的視覺地形特征；

將視覺地形特征輸入線性支持向量機中，得到視覺地形分類結果。

所述視覺地形分類方法還包括：

建立視覺地形數據集作為評價測試對象，對視覺地形圖像進行關鍵點檢測，對圖像中的局部信息關鍵點使用SIFT特征進行描述，提取局部底層視覺信息。

本發明提供的技術方案的有益效果是：