[發明專利]一種基于協同訓練的地形分類方法

在審

• 申請號: 201811119967.6
• 申請日: 2018-09-25
• 公開（公告）號: CN109214463A
• 公開（公告）日: 2019-01-15
• 發明（設計）人: 劉陽;劉珂
• 申請（專利權）人: 合肥優控科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于協同訓練的地形分類方法，基于協同訓練的策略，首先利用有標注的觸覺數據和視覺數據，分別訓練初始的兩個支持向量機模型，然后將未標注的觸覺數據和視覺數據分別輸入兩個初始分類器，并用觸覺分類器的置信度高的輸出預測結果標記對應的視覺樣本，將視覺分類器的置信度高的輸出預測結果標記對應的觸覺樣本，并將新標記的樣本加入到對應的訓練集，然后基于擴充的訓練集重新訓練兩個分類器，重復這樣的操作直至達到預設的迭代訓練次數閾值。最終訓練得到的視覺分類器可用來在機器人實際工作過程中對即將穿越的地面進行地形種類的識別。

技術領域

本發明涉及機器人領域，特別是涉及一種基于協同訓練的地形分類方法。

背景技術

機器人在野外場景中工作時，與室內結構化環境不同，野外場景中的地形-地面多樣性、復雜性會對機器人的移動性能產生較大影響。機器人對其所處地形環境的準確分類是決定其能否實現自主移動的關鍵性因素。觸覺和視覺是人類在進行所處地形環境的判斷時常用的感知方式，因此我們嘗試使機器人也利用類似的感知模式對所處地形環境進行分類。其中觸覺只能實現對機器人現處地形的感知，而視覺可以實現更大范圍的地形感知，對即將穿越的地形同樣可以進行感知。在本發明中，我們通過使用少量有標注的觸覺數據和視覺數據，充分利用大量未標注的數據，采取兩個分類器協同訓練的方式進行分類器的訓練，從而減少分類器訓練過程對標注數據的依賴，并同時實現對機器人即將穿越地面的地形類別判斷。

發明內容

本發明技術克服現有技術的不足，解決了基于視覺與振動的地形分類中標注缺失情況的訓練問題。

為解決上述問題，本發明公開了一種基于協同訓練的地形分類方法，具體包括以下步驟：

步驟S1：令機器人在其工作環境中的每種地形上分別行駛一段時間，同時收集機器人腳部安裝的觸覺傳感器輸出的觸覺信號時間序列和面向前方地面的攝像機記錄的地面圖像序列，對每種地形上采集的觸覺信號時間序列分別進行分割，分割長度為α個采樣點，得到每種地形對應的觸覺信號序列段的集合；對每個觸覺信號序列段進行特征提取，得到每種地形對應的觸覺信號樣本集，所有地形的觸覺信號樣本集的集合記為對每種地形對應的地面圖像序列中的圖像進行特征提取，得到每種地形對應的圖像特征樣本集，所有地形的圖像特征樣本集的集合記為其中a_ι和b_ι表示機器人在同一地點上的觸覺傳感器獲取的觸覺信號樣本和攝像機獲取的圖像特征樣本，表示觸覺信號樣本集A和圖像特征樣本集B包含樣本的數量；用地形編號1,2,···,J對這些樣本集中的樣本進行標注，其中J表示地形種類的總數，得到有標注樣本集{A,B,Ψ}，為與A和B對應的地形種類集合，其中ψ_ι∈{1,2,.··,J}表示與a_ι和b_ι對應的地形種類；

步驟S2：令機器人在其工作環境中隨機行走，得到行走中收集的觸覺信號時間序列以及地面圖像序列，對觸覺信號時間序列進行分割，分割長度為α個采樣點，得到行走中收集的觸覺信號序列段的集合，對觸覺信號序列段進行特征提取，得到觸覺信號樣本集，記為對行走中收集的地面圖像序列中的圖像進行特征提取，得到圖像特征樣本集，記為其中cκ和d_κ表示機器人在同一地點上的觸覺傳感器獲取的觸覺信號樣本和攝像機獲取的圖像特征樣本，表示觸覺信號樣本集C和圖像特征樣本集D包含樣本的數量；由此得到無標注樣本集{C,D}；

步驟S3：令迭代訓練序號e＝0，記基于觸覺信號的分類器的訓練集和基于地面圖像的分類器的訓練集分別為L⁽¹⁾、L⁽²⁾，并令L⁽¹⁾＝{A,Ψ}、L⁽²⁾＝{B,Ψ}；

步驟S4：基于訓練集L⁽¹⁾和L⁽²⁾分別訓練基于觸覺信號的分類器和基于地面圖像的分類器，分類器模型使用支持向量機，記訓練好的分類器為和