论文部分内容阅读
远距离场景信息的感知是室外环境尤其是非结构化农业环境下移动机器人实现自主作业的关键环节，有助于避免系统死锁、提高行走安全性及行走效率。然而，非结构化农业环境下的特征重叠及多模态分布结构、距离尺度效应、场景学习样本不均衡以及场景概念漂移等特性给远距离场景感知系统的设计和应用带来了极大的挑战。长期以来，农业场景感知的研究主要集中在以农田作物行识别为代表的近距离场景的感知上，而在非结构化农业场景远距离感知系统的研究上还存在空白。因此，开展低成本远距离场景推理系统的研究对解决非结构化环境下的农业机器人自主作业问题具有重要的理论研究意义和实际应用价值。
本文围绕非结构化农业环境下的远距离场景推理问题，按照推理特征、推理样本融合、推理策略设计到推理模型验证的逻辑层次，具体从推理特征的在线自适应提炼策略、融合不同场景语义信息的远距离推理模型、融合场景区域空间关系的远距离推理模型以及远距离场景推理模型的实验验证四个角度进行了研究，为进一步实现非结构化环境下的农业机器人自主作业提供理论依据和系统设计参考。论文具体研究内容如下：
首先，针对非结构化农业场景特征分布的动态不确定性问题以及预确定推理特征的有效性偏移问题，提出了基于当前场景样本信息的隐特征自适应在线提取策略，建立了基于监督式核化局部线性嵌入流形学习的在线降维模型(SKLLE，Supervised KernelLocally Linear Embedding).SKLLE模型基于聚类中心后验概率预估策略以及自定义核空间映射函数，实现了非结构化农业场景原始特征数据多模态分布结构在低维流形上的保持和再现。基于最近邻分类器的实验表明，场景隐特征在实现降维的同时提升了场景推理的精度，并且场景隐特征的低维特性有助于本文后续场景推理模型计算量的降低。
其次，针对非结构化农业场景近距离学习样本不均衡、甚至缺失以及场景概念漂移等特性，提出了整合不同时空点场景样本信息和语义信息以提升当前场景远距离推理性能的SNKBC解决方案(Semantic Nearest-K Frames based Bayes Classifier)。该方案借鉴模式识别领域的场景语义建模思想，建立了描述非结构化农业环境不同场景区域抽象概念的语义上下文模型WSCM。SNKBC算法包含样本数据的预充和在线扩充、基于语义上下文的最优样本选择及组合、基于预聚类策略的贝叶斯分类等步骤。实验表明，与仅基于当前场景样本的推理结果相比，SNKBC推理结果的精度更高、稳定性更好。实验同时表明，基于语义上下文的最优样本选择以及样本数据的在线扩充在影响SNKBC推理性能的所有因素中起主导作用。
再者，针对非结构化农业场景中不同地形特征重叠、相同地形特征多模态分布以及特征表现受距离尺度效应制约等特点，提出了融合同一场景不同区域空间关系以提升场景推理精度的思想，建立了基于条件随机场的空间上下文统计推理模型CRFNFP(conditional random fields based near-to-far perception framework)。CRFNFP模型采用单势能和交互势能分别实现了对场景区域特征以及区域空间关系的建模。单势能的构建融合了前文SNKBC方法及启发式贝叶斯分类策略，实现了场景局部特征到对应地形类别的非线性映射；交互势能中的数据独立势函数从人类对场景先验感知的角度实现了与局部区域特征无关的空间关系建模；交互势能中的数据相关势函数从相邻区域局部特征自适应融合的角度实现了基于局部区域特征的空间关系建模。实验表明，与前文的SNKBC方法相比，CRFNFP方法更能识别连贯的可通过性区域，更能系统、有效地规避伪路径问题，推理结果的稳定性以及对光照条件变化的自适应性更好。实验同时表明，CRFNFP推理结果在RMSE误差意义上优于美国科罗拉多大学同行的分类器组合算法。
最后，将上述的SNKBC及CRFNFP推理模型配合大范围图像平面路径规划策略整合到远距离避障系统上，并分别在不同天气、不同颜色及位置分布、不同类型的场景中进行了场景推理和避障行走的实验验证。实验部分首先对系统的远距离避障行为进行了研究，并就远距离场景推理提高系统避障效率的内在机理进行了分析；其次对适用远距离避障系统的特定场景类型作了讨论以指导后续进一步的系统集成工作;最后实际非结构化农业环境下的避障实验对远距离避障系统的有效性作了进一步的研究。实验表明，基于CRFNFP的远距离避障系统在非结构化农业环境中具有普遍意义的特定类型场景条件下，在场景感知距离和避障效率的提升上与传统近距离避障系统相比具有统计意义上的优势。由此，本文在前面几章证明推理模型有效性的基础上进一步证明了CRFNFP推理模型在一定条件下的确有助于实际农业机器人实现更大范围的自主感知。