基于分层词袋模型的室外环境增量式场景发现

摘要：

场景理解是机器人在多样化环境中自主执行任务的前提,而场景发现是场景理解的一个重要内容.由于具体场景在空间和时间上存在连续性,可以假定移动机器人在某一段时间内处于同一场景,并且属于同一场景的图像序列的视觉观感是相似的,因此提出无需先验知识的增量式室外场景发现,通过分层词袋模型建立图像和场景的联系,使得场景发现过程更加类似人类认知模式.对于机器人实时获取的每一副图像,首先将其分块,然后利用动态聚类算法增量式地得到相应的低层词典,并据此词典提取高层词袋模型特征,接下来,再用另一动态聚类算法增量式地完成场景发现,从而判断当前图像属于一个已经历场景,或未经历场景,直到发现新场景.实验结果证明,该方法能够在没有先验知识的情况下有效完成自主场景发现.

关键词：室外环境、移动机器人、场景发现、无监督学习、词袋模型

所属期刊栏目：37

资助基金：国家自然科学基金项目61873327

在线出版日期：2020-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1471-1480