基于物體候選區(qū)域和改進隨機蕨的室內物體識別算法研究.pdf

1、隨著科技的進步，機器人技術得到快速發(fā)展。室內移動機器人由于廣泛應用于家庭服務、醫(yī)療康復等重要領域，正受到越來越多的重視。為了完成實際應用中一系列復雜的任務，實現(xiàn)移動機器人的自主智能化，研究其視覺感知能力顯得格外重要。物體識別作為視覺感知的基本問題，也成為室內移動機器人的基本任務。而傳統(tǒng)計算機視覺領域中的物體識別算法，本身就面臨著很多困難，對于處在復雜的室內場景中的移動機器人而言，面對的挑戰(zhàn)將更多。因此，尋找一種快速準確并適用于室內移動機

2、器人的物體識別算法顯得很有意義。
　　通過對主動視覺理論中的顯著性檢測的研究，以及近幾年深度信息在計算機視覺領域的廣泛應用，提出了一種結合BING（Binarized Normed Gradients，二值化梯度幅值）特征和場景深度信息的物體候選區(qū)域檢測方法。首先通過BING特征快速獲取物體候選窗口，再利用深度信息對大量的候選窗口進行篩選，留下可能性最高的少量候選窗，最后考慮到識別的準確率和效率問題，對物體候選窗口集進行一次擴充和

3、分組。
　　得到物體候選區(qū)域后，再通過具有在線學習和人工協(xié)助特點的隨機蕨算法進行目標物體的識別。針對原始隨機蕨算法面對目標物體被部分遮擋時識別效果不佳的情況，本文提出了一種“子區(qū)域”的概念，對原算法進行了改進，使得算法對部分遮擋的物體的識別有更好的魯棒性。與此同時，修改了原算法中通過直接比較兩個像素點的強度值來生成二進制串，進而獲取蕨特征的方式，使得算法對紋理不豐富的目標物體的識別效果有了提升。選擇了四個有代表性的物體進行實驗驗證