基于條件隨機場的農(nóng)業(yè)機器人導(dǎo)航場景識別研究.pdf

1、對于處在不同作業(yè)環(huán)境下工作的農(nóng)業(yè)機器人而言，要完成所處場景下的自主導(dǎo)航就必須首先能夠?qū)ζ渌幁h(huán)境的地形分布進(jìn)行有效地識別。常用的方法是利用視覺或雷達(dá)等傳感器對所處環(huán)境的地形進(jìn)行理解，以實現(xiàn)場景區(qū)域地形類別的識別。本文通過雙目攝像機獲取場景圖像，引入超像素對場景圖像進(jìn)行分割預(yù)處理，利用無向概率圖模型中的條件隨機場(Conditional random field，CRF)構(gòu)建場景模型，針對農(nóng)業(yè)機器人導(dǎo)航場景區(qū)域地形識別進(jìn)行了研究，主要研究

2、內(nèi)容和結(jié)論如下:
　　為了提高農(nóng)業(yè)機器人對導(dǎo)航場景識別的實時性，本文首先對場景圖像進(jìn)行了超像素分割，將得到的超像素作為場景區(qū)域地形識別的基本處理單元。結(jié)合相機的近視特性以及場景內(nèi)容的距離分布情況，將場景圖像劃分為近視場、中距離視場和遠(yuǎn)視場。利用增量式樣本整合策略和場景近視場像素的高度信息，將場景近視場中符合要求的超像素整合到地形樣本數(shù)據(jù)庫中，使其作為基于CRF的場景識別算法的地形樣本特征。
　　導(dǎo)航場景識別除了需要考慮識別的

3、實時性之外，還需要兼顧場景識別的準(zhǔn)確性。針對作業(yè)場景多為非結(jié)構(gòu)化的，其具有不確定性。研究中利用CRF對場景超像素特征和鄰域超像素的相互關(guān)系建模，使得基于CRF的場景識別算法能夠?qū)崟r有效的完成場景區(qū)域地形的識別，提高農(nóng)業(yè)機器人對室內(nèi)場景和自然環(huán)境地形類別信息的準(zhǔn)確理解。
　　最后，在自主設(shè)計的農(nóng)業(yè)機器人平臺上針對室內(nèi)場景和類似農(nóng)田環(huán)境的自然環(huán)境中進(jìn)行了驗證實驗。通過驗證實驗發(fā)現(xiàn)，無論實驗環(huán)境為室內(nèi)場景還是室外自然環(huán)境，基于CRF的場