基于Kinect改进的增量PCA扭锁在线识别

摘要：

以海港集装箱扭锁自动化装卸过程中扭锁的认知识别为研究背景,采用Kinect传感器感知环境及物体信息,提出基于改进的增量主成分分析(Principal component analysis,PCA)方法构建实时认知识别系统.在系统在线学习阶段,基于新样本与已有特征重建样本之间的差异程度来感知、监测新类别输入,控制特征向量增量式更新;基于类内距离比较,优化特征向量组合,并自适应地更新类内距离阈值;将高维视觉信号转化为低维的机器人内部表达形式,从而在线实时地学习、更新、累积特征知识,同时完成模式识别任务.实验结果表明:该方法在有效提高视觉系统实时性、自适应性、稳定性及识别准确率的同时,控制了特征维度,从而减少了数据处理量及存储空间.

关键词：计算机应用、在线学习、增量主成分分析、自适应特征更新、感知识别

所属期刊栏目：46

分类号：TP391.4(计算技术、计算机技术)

资助基金：新加坡创新基金项目11-27801-36-R140;新加坡教育部创新基金项目MOE2013-TIF-1-G-057,MOE2013-TIF-2-G-040;国家自然科学基金项目51275065

在线出版日期：2016-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：890-896