基于分层词袋模型的室外环境增量式场景发现

• 作者: 孙凤池 张彪 苑晶 陈昊天 黄亚楼
• 来源期刊: 控制理论与应用
• 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
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 论文与报告
• 页码范围: 1471-1480
• 页数: 10页
• 语种: 中文
• DOI: 10.7641/CTA.2020.90683

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄亚楼	南开大学软件学院	83	1759	20.0	39.0
2	苑晶	南开大学人工智能学院	22	190	8.0	13.0
3	孙凤池	南开大学软件学院	31	248	9.0	14.0
4	陈昊天	南开大学计算机学院	2	1	1.0	1.0
5	张彪	南开大学计算机学院	2	0	0.0	0.0