基于迁移学习的移动机器人单帧图像坡度检测算法

• 作者: 辛菁 杜柯楠 王媛媛 刘丁
• 来源期刊: 智能系统学报
• 关键词: 未知环境 移动机器人 坡度检测 室外 单帧图像 深度估计 迁移学习 深度卷积网络
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 智能系统|Intelligent Systems
• 页码范围: 81-91
• 页数: 11页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11992/tis.202009009

摘要

针对未知环境下移动机器人平稳上坡控制对坡度感知精度的要求,本文提出了一种基于迁移学习的移动机器人单帧图像坡度检测算法.利用室内图像标准数据集训练深度卷积神经场-全连接超像素池化网络(deep convolutional neural field-fully connected superpixel pooling network,DCNF-FCSP)并获得室内单帧图像深度估计网络模型;将DCNF-FCSP模型中前5个图像特征提取层的网络参数迁移至室外图像深度估计网络中;固定室外图像深度估计网络中图像特征提取部分的网络参数,利用室外图像数据集对剩余5层的网络参数进行训练,从而得到室外单帧图像深度估计网络;将其应用在移动机器人坡度检测中,根据单帧斜坡图像估计出斜坡角度.标准数据集和实际场景的深度估计和坡度检测实验表明:本文所提出的基于迁移学习的移动机器人单帧图像坡度检测算法能够仅根据移动机器人车载相机采集的单帧斜坡RGB图像就可估计出精确的斜坡角度,满足移动机器人在未知环境中对坡度感知精度的要求.