基于半監(jiān)督學習的障礙物檢測.pdf

1、障礙物檢測是移動機器人環(huán)境感知技術(shù)研究的重要內(nèi)容。傳統(tǒng)的障礙物檢測方法需要人工調(diào)節(jié)參數(shù)。引入機器學習進行障礙物檢測可以降低人工參與和提高移動機器人智能程度，也可以更好的處理輸入的高維信息。 傳統(tǒng)的監(jiān)督學習算法只利用已標記樣本進行學習，而移動機器人的工作環(huán)境復雜多變，道路狀況和障礙物變幻莫測，為了盡可能準確地檢測障礙物，需要對大量的樣本進行人工標記以建立完備的訓練樣本集，非常耗時耗力。 針對上述情況，本文引入半監(jiān)督學習方法

2、，分別應用自我訓練和協(xié)同訓練，首先利用少量的已標記樣本建立初始分類器，然后利用大量未標記樣本不斷更新分類器，從而提高分類器的性能。 本文針對環(huán)境感知圖像數(shù)據(jù)進行了大量實驗：運用分塊策略，分別進行顏色特征提取和紋理特征提取，獲得少量的已標記樣本和大量的未標記樣本，然后在k.近鄰算法基礎上，引入半監(jiān)督學習中的自我訓練和協(xié)同訓練進行障礙物檢測。實驗結(jié)果表明，引入半監(jiān)督學習后，在只有少量的已標記樣本的情況下，就能達到較高的障礙物檢測率和