基于多维全局特征融合的移动机器人地形识别.pdf

第 卷第期年月计算技术与自动化C o m p u t i n gT e c h n o l o g ya n dA u t o m a t i o nV o l ,N o J u n 收稿日期:作者简介:陈青(),男,湖北孝感人,硕士,副研究员,研究方向:反应堆智能装备.通信联系人,E m a i l:l i u e c o m文章编号:()D O I:/j c n k i j s j s y z d h 基于多维全局特征融合的移动机器人地形识别陈青,刘晓东,周寒,邱新媛,姚建锋,刘易斯,鄢家鑫,郭星(中国核动力研究设计院,四川 成都 )摘要:为提高移动机器人对复杂作业场景的适应性,提出了一种基于多维全局特征融合的移动机器人地形识别方法.利用I MU传感器获取四轮移动机器人在不同地形的运动信息,采用哈希编码算法提取六通道加速度和角速度信息的全局特征,结合随机森林分类器对水泥、木板、砖石、草地和砂石路面地形进行了识别.实验结果表明,本方法可提高地形识别准确率,实现对五种地形环境的识别.关键词:移动机器人;地形识别;全局特征;数据融合中图分类号:T P 文献标识码:AR e s e a r c ho nT e r r a i nR e c o g n i t i o no fM o b i l eR o b o tB a s e do nM u l t i d i m e n s i o n a lG l o b a lF e a t u r eF u s i o nCHE NQ i n g,L I UX i a o d o n g,Z HOU H a n,Q I UX i n y u a n,YAOJ i a n f e n g,L I UY i s i,YANJ i a x i n,GUOX i n g(N u c l e a rP o w e r I n s t i t u t eo fC h i n a,C h e n g d u,S i c h u a n ,C h i n a)A b s t r a c t:I no r d e r t o i m p r o v e t h e a d a p t a b i l i t yo fm o b i l e r o b o t t o c o m p l e xo p e r a t i n gs c e n e s,t h ep a p e rp r o p o s e s am e t h o do f r e s e a r c ho nt e r r a i nr e c o g n i t i o no fm o b i l er o b o tb a s e do nm u l t i d i m e n s i o n a lg l o b a l f e a t u r ef u s i o n I nt h em e t h o d,aI MUs e n s o r i su s e dt oo b t a i nt h em o t i o n i n f o r m a t i o no f t h e f o u r w h e e l e dr o b o t i nd i f f e r e n t t e r r a i n s,a n dt h eg l o b a l f e a t u r e so f a c c e l e r a t i o na n da n g u l a rv e l o c i t y i n f o r m a t i o no fs i xc h a n n e l sa r ee x t r a c t e db yh a s hc o d i n ga l g o r i t h mC o m b i n e dw i t hr a n d o mf o r e s t c l a s s i f i e r,f i v ek i n d so f t e r r a i n sa r er e c o g n i z e di n c l u d i n gc e m e n tp a v e m e n t,w o o d e np a v e m e n t,t i l ea n ds t o n e sp a v e m e n t,g r a s s l a n dp a v e m e n t a n dg r a v e l p a v e m e n t T h r o u g he x p e r i m e n t a l v e r i f i c a t i o n,t h i sm e t h o dc a n i m p r o v e t h e a c c u r a c yo ft e r r a i nr e c o g n i t i o n,i d e n t i f yf i v ek i n d so f t e r r a i n s K e yw o r d s:m o b i l er o b o t;t e r r a i nr e c o g n i t i o n;g l o b a l f e a t u r e;d a t a f u s i o n随着机器人技术的快速发展,在特种场景利用机器人辅助或代替人类深入危险复杂环境开展作业和应急任务的需求逐渐提高,如核工业领域的核设施维护、退役、核事故应急处理及核电站的运行监测、预警等任务.特种场景往往具有环境复杂、非结构化的特点,对作业机器人的环境通过、适应能力要求较高.要求机器人具备地形环境感知能力,并能根据地形状况及时调整控制策略以适应环境.目前机器人地形环境感知方法主要分为外部感知和 本 体 感 知 两 种.外 部 感 知 主 要 通 过 视觉、激光等传感器实现非接触式的地形识别,这种方法可直接感知地形环境,但无法对地形的物理属性进行有效判断,并存在数据处理量大、功耗高的问题,会限制机器人的持续作业能力,同时还易受光照等环境因素的影响.本体感知方法主要通过运动传感器感知机器人本体与地形间相互作用信息来识别地形,具有处理速度快、实时性第 卷第期陈青,等:基于多维全局特征融合的移动机器人地形识别高以及抗干扰能力强的特点.常用的运动传感器有加速 度 计、陀 螺 仪 以 及 惯 性 测 量 单 元(I MU,i n e r t i a lm e a s u r e m e n tu n i t).B a i等利用三轴加速度计来获取机器人车轮在不同地形行驶的振动数据,并通过快速傅立叶变换获取原始信号的频域特征,并结合B P神经网络实现对地形的分类识别.王天龙利用三个单轴加速度计分别采集机器人在X、Y、Z三个方向的加速度信号,针对每一通道数据提取时域特征,并利用马尔可夫链进行地形识别,对沥青、草地、砖石、沙地以及压实土地的地形平均识别准确率可达.K u r b a n等采用I MU传感器获取机器人在不同地形行驶的运动信息,并结合径向基神经网络(r a d i a lb a s i s f u n c t i o n,R B F)实现对平地、沥青、草地以及瓷砖地形的分类识别,最终的识别准确率为.V u l p i等 基于I MU传感器结合深度学习方法,分别对比了采用长短时神经网络(l o n gs h o r t t e r m m e m o r y,L S TM)、卷积神经网络(c o n v o l u t i o n a ln e u r a ln e t w o r k,C NN)以及两者融合的C L S TM对混凝土、泥地、田地等地形的识别效果,结果表明C NN的识别效果最好,平均识别准确率可达 .单通道时、频域特征融合的方法在识别速度和准确率上仍存在局限,基于深度学习的识别方法具有较高的识别准确率,但对训练数据的规模和机器人系统的硬件算力要求较高.提出了一种基于多维全局特征融合的移动机器人地形识别方法,采用哈希编码算法代替传统单通道时域特征提取方法,在数据层对多通道数据进行融合,再提取数据全局特征进行分类识别,以提高识别速度和准确率.多维全局特征融合地形识别原理 系统框架为了感知移动机器人在不同地形上的运动,采用I MU传感器感知机器人移动过程中与地面相互作用产生的运动信息.I MU传感器常用于机器人的导航系统中,其内部集成了加速度计和陀螺仪传感器,可同时输出轴加速度和轴角速度信息,具有很高的灵敏度和精度,被广泛用于运动测量和体感交互等领域.将I MU传感器按如图所示的形式布置于四轮移动机器人底盘,传感器的Y轴与机器人底盘前进方向平行,X轴与底盘侧向平行,Z轴垂直于底盘平面.X轴、Y轴、Z轴加速度信息可分别反映机器人侧向、前向和垂直方向的运动;X轴、Y轴、Z轴角速度信息可分别反映机器人的前后倾、侧倾和转向运动.移动机器人;I MU传感器图 I MU传感器布局示意图当移动机器人以一定速度在不同地形移动时,因机器人底盘与地面间的相互作用,I MU的不同通道数据会产生特有的信号波形,根据信号的差异性,可实现对不同地形的分类识别.本文的算法框架如图所示,首先对采集的数据进行预处理,将多维数据转化为数据矩阵;然后对数据提取特征,利用滑动窗口方法将连续数据分割为单个数据片段,并对片段提取特征构建特征向量;利用分类算法对特征进行训练,构建地形识别模型;最后采用模型对待分类数据进行.图地形环境识别框图 数据采集与预处理采用移动设备搭载的I MU传感器 B o s c h惯性测量单元采集四轮底盘在不同地形上运动信息.设置采样频率为 H z,并将采集后的数据传输到P C进行识别处理.采集的原始加速度、角速度数据如图、图所示.采集的数据中包含有多种噪声,为了提高数据的信噪比,本文使用一阶滤波器对数据进行预处理滤波,设传感器采集的单通道数据样本m满足mm,m,m,mn,滤波算法的数学模型满足式(),的值越大,滤波作用越弱,反之越强.如计算技术与自动化 年月图所示是取值 时的滤波曲线.m(i)m(i)()m(i)()式中,滤波系数;m(i)本次 采样值;m(i)本次滤波输出值;m(i)上次滤波输出值.图原始加速度数据图原始角速度数据图数据滤波前后对比图由于采集加速度和角速度信号的量纲并不统一,对采集的数据进行归一化处理,将数据转化到,区间.以x轴加速度信号为例,设长度为n的时间序列数据为xx,x,x,xn,采用式()对序列x进行归一化.xixixm i nxm a xxm i n()式中,xi 表示归一化前的数值;xi 表示归一化后的数值;xm a x 表示序列x中的最大值;xm i n 表示序列x中的最小值.为了便于数据全局特征的提取,本文将多通道数据融合到运动信息矩阵,设采集的多通道数据分别为x,y,z,R x,R y,R z,且满足式().xx,x,x,xnyy,y,y,ynzz,z,z,znR xR x,R x,R x,R xnR yR y,R y,R y,R ynR zR z,R z,R z,R zn()式中,x X轴加速度数据,y Y轴加速度数据,z Z轴加速度数据,R x X轴角速度数据,R y Y轴角速度数据,R z Z轴角速度数据.则融合后的运动信息矩阵M满足式().MxxxxnyyyynzzzznR xR xR xR xnR yR yR yR ynR zR zR zR zn()基于哈希编码的全局特征提取)滑动窗口数据划分I MU传感器实时采集的数据是典型的连续时间序列数据.本文采用滑动窗口对连续数据进行分帧处理,将连续数据划分为单独的数据帧,如图所示.本文设置滑动窗口长度为 m s,窗口步长为窗口长度的.图滑动窗口算法示意图)均值哈希编码特征均值哈希(a HA S H)编码特征属于数据压缩方法,也是一种矩阵特征提取方法,常用于图像检索、人脸识别等领域.经过哈希算法编码后可得到一组与矩阵对应的数字指纹编码,压缩运算的数据量,提高检索速度与效率.均值哈希算法设计简单,通过对原始矩阵的压缩,去除数据中的高频部分,保留低频部分.其原理是首先计算压缩图像的平均值,并将每一个元素与平均值比较,大于平均值的记为,小于平均值的记为,最后得到一组二进制编码作为矩阵特征.具体流程如下:步骤:利用插值算法,将原始矩阵M缩小为的矩阵M,包括 个元素;第 卷第期陈青,等:基于多维全局特征融合的移动机器人地形识别步骤:计算矩阵M 的元素平均值,记为u;步骤:遍历矩阵M 中的每个元素ui,并比较ui与u的相对大小,若大于等于u,则将ui设置为,否则设置为;步骤:将矩阵按行展开为 的哈希编码特征向量.基于随机森林的地形识别)随机森林算法原理随机森林算法 是一种基于B a g g i n g原理的有监督集成学习方法,该方法采用随机且有放回的方法选择训练数据,构造组合分类器进行分类,可用于分类或回归分析问题.相比于其他分类算法如支持向量机、k近邻分类法,该方法可有效抑制训练过程出现的过拟合现象,具有算法简单、计算开销小的优点.设随机森林算法包括k个分类器,表示为式().根据k棵决策树的分类结果,采用投票法决定最终的分类输出.Cc(H),c(H),ck(H)()式中,H是输入特征集,ci(T)是基于C A R T算法生成的决策树分类器.随机森林主要包括三个过程:有放回的随机重抽样构建样本子集;C A R T决策树构建;基于投票原则的决策输出.)算法实现采用的哈希 随机森林地形识别算法实现流程如图所示.首先利用a HA S H算法对预处理后的矩阵 数 据M提 取 特 征,获 得 维 特 征 向 量H ,采用B o o t s t r a p重采样获得k个特征样本子集hi,并构建C A R T决策树,以“基尼指数”(G i n ii n d e x)作为划分最优特征及最优分裂值的指标,最后将决策树组合形成随机森林分类器,用于地形的识别分类.其中,设特征子集hi的G i n i值表示为式(),当G i n i值越小,分类的准确度越高,选择G i n i值最小的特征作为划分特征,进行决策树的构建.G i n i(hi)qjj jpjpj qjpj()式中,pj 第j个类别出现的概率;q 特征子集hi中包含的类别总数.实验结果与分析以四轮底盘为实验平台,选取五种地形进行地形数据采集,包括水泥路面、木板路面、砖石路面、草地路面和砂石路面,如图所示.实验时机器人以 m/s左右的速度在五种地形路面行驶,I MU传感器采集行驶过程中的加速度与角速度信息,并传至上位机进行数据分析处理和识别.图哈希 随机森林地形识别算法实现流程图地形路面不同地形的识别结果如图所示.由结果可知,从整 体 看,五 种 地 形 的 平 均 识 别 准 确 率 为 ,对水泥、木板、砖石和砂石地形的识别准确率均大于,其中在水泥路面运动较平稳,识别准确率最高,更易与其他地形区分.相比之下,对草地地形的区分能力较弱.同时本文对比了仅采用加速度计和陀螺仪数据的平均识别准确率,结果如图 所示.从结果可知,加速度传感器识别准确率高于陀螺仪,表明加速度计信息对地形的表征能力更强;相较于仅采用单一传感器数据信息,融合两种传感器数据对五种地形的平均识别准确率可分别提高 和 ,表明数据融合方法有利于提高地形识别准确率.计算技术与自动化 年月图不同地形的识别结果图 不同数据类型的识别结果结论提出了一种基于多维全局特征融合的移动机器人地形识别方法.利用哈希编码提取多通道数据的全局特征,对水泥路面、木板路面、砖石路面、草地路面以及砂石路面五种地形进行了识别.通过实验对识别方法进行了验证,平均识别准确率为 .同时比较了只采用加速计通道数据和陀螺仪数据通道与本文方法的识别结果,结果表明,本文方法可提高仅采用单一传感器数据识别的准确率.未来可在增加传感器和地形样本规模基础上,结合算法优化方法,进一步提高模型的识别能力,进而将识别结果与机器人在不同地形的控制策略相结合,提高移动机器人对环境的适应能力.参考文献冯常,王从政,赵建平,等核环境作业机器人研究现状及关键技术分析J光电工程,():MAMUNSA,S U Z UK IR,L AMA,e t a l T e r r a i n r e c o g n i t i o nf o r s m a r tw h e e l c h a i rC/I n t e r n a t i o n a lC o n f e r e n c eo nI n t e l l i g e n t C o m p u t i n g S p r i n g e rI n t e r n a t i o n a lP u b l i s h i n g,:邹家祥野外机器人的地形识别与自然场景分割D济南:山东大学,孙玉超,吴航,苏卫华,等基于视觉采用词袋模型的移动机器人地形分类算法设计J医疗卫生装备,():WA L A SK,N OW I C K IMT e r r a i nc l a s s i f i c a t i o nu s i n gl a s e rr a n g e f i n d e rC/I E E E/R S J I n t e r n a t i o n a lC o n f e r e n c eo n I n t e l l i g e n tR o b o t sa n dS y s t e m s I E E E,:KUR O B EA,NAKA J I MA Y,K I TAN IK,e ta l A u d i ov i s u a ls e l fs u p e r v i s e dt e r r a i nt y p er e c o g n i t i o nf o rg r o u n dm o b i l ep l a t f o r m sJ I E E EA c c e s s,:B A IC h e n gc h a o,GUOJ i f e n g,Z HE N G H o n gx i n g T h r e e d i m e n s i o n a lv i b r a t i o nb a s e dt e r r a i nc l a s s i f y c a t i o nf o rm o b i l er o b o t sJ I E E E A c c e s s,:王天龙基于马尔可夫链的地形识别研究D哈尔滨:哈尔滨工程大学,KUR B ANT,B E S D O KE Ac o m p a r i s o no fR B Fn e u r a l n e t w o r kt r a i n i n ga l g o r i t h m sf o ri n e r t i a ls e n s o rb a s e dt e r r a i nc l a s s i f i c a t i o nJ S e n s o r s,:VU L P IF,M I L E L L AA,MA R AN IR,e t a l R e c u r r e n t a n dc o n v o l u t i o n a ln e u r a ln e t w o r k sf o rd e e pt e r r a i nc l a s s i f i c a t i o nb ya u t o n o m o u sr o b o t sJJ o u r n a lo f T e r r a m e c h a n i c s,:黄嘉恒,李晓伟,陈本辉,等基于哈希的图像相似度算法比较研究J大连理工学报,():郝谦,武雄,穆文平,等基于随机森林模型判别矿井涌水水源J科学技术与工程,():周志华机器学习M北京:清华大学出版社,