采用卷积神经网络的低风险可行地貌分类方法
针对现有识别方法中风险地貌误判率高、手动地貌特征提取具有局限性等问题,提出了用于室外移动机器人的低风险地貌识别策略.该策略以降低移动机器人遇险率为高优先级目标,采用双重验证策略,首先采用多分类器对所有地貌进行识别,其后使用二分类器对多分类结果中的安全地貌再次鉴别.基于该策略,分别设计了2个卷积神经网络(CNN),Terrain–CNNⅠ用于多分类识别,Terrain–CNNⅡ则用于二分类安全确认.为解决地貌样本相对稀缺问题,收集了包含水面、草地、泥地、柏油路、沙地、碎石路共6类地貌图像,通过数据增强方式快速扩充数据集用于网络的训练与测试.实验结果表明:所述方法在维持整体地貌识别率很高的前提下,显著降低了关键危险地貌的误判率.
移动机器人、地貌识别、低风险地貌、卷积神经网络
37
浙江省重点研发项目;浙江省自然科学基金项目;国家自然科学基金项目
2020-10-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
1944-1950