论文部分内容阅读
随着社会和科技的发展,移动机器人的理论与技术水准日益提高,并且在日常生活中得到了广泛的应用。作为人们日常生活的重要帮手,移动机器人的“智能化”显得尤为重要。本文依托场景识别理论和嵌入式系统,针对移动机器人的室内场景识别开展研究,为移动机器人的自主定位及导航提供必要的辅助信息,对于提高移动机器人在室内的移动能力和智能性具有积极的科学意义和工程价值。本文首先分析了场景图像中经常出现的多类特征,提出将全局特征与局部特征相结合,利用两类特征在空间尺度上的互补特性,获取更全面的场景图像特征解决方案。在全局特征和局部特征方面,分别采用了 Gist算法和PHOG算法进行特征提取。同时,对多种形式的特征融合方法进行多分类对比实验,实验结果表明Gist+i*PHOG形式的特征融合对于室内场景的多分类具有更好的识别效果。在获得场景图像特征的基础上,本文采用机器学习算法实现了室内场景图像的准确分类。考虑到支持向量机(SVM)方法在小样本、非线性和高维识别等分类问题方面的优势,本文使用SVM进行室内场景图像的识别,利用1-a-1的多分类方法在Matlab平台上开展了室内场景多分类的实验仿真,结果表明室内场景识别准确率可以达到80%。采用Gist特征与PHOG特征进行室内场景图像分类时,通常存在特征数据规模庞大、计算复杂程度高等问题,本文提出了使用特征选择算法的降维处理方案。针对特征选择的降维处理算法,本文在多分类F-score算法的基础上提出了使用统一量纲的F-score降维方案,以减少特征区分对实验结果造成的误差。然后,在Matlab平台上,结合实验效果确定了场景识别F-score算法的降维参数。考虑到机器人的移动性,本文以i.MX6Q多核ARM处理器为核心,构建了嵌入式场景识别实验系统。将所研究的场景图像特征提取、特征数据降维、支持向量机等算法以C++语言进行了移植,并利用Qt开发环境设计了友好的人机交互界面,在i.MX6Q嵌入式平台上完成了场景识别的相关实验,并使用多线程方式对该系统进行实时性优化。最后,本文对所开展的研究工作进行了总结,并展望了下一步的研究工作。