基于迁移学习的地形识别在移动机器人导航中的应用:一项比较研究

《Displays》:Transfer learning-based terrain recognition for mobile robotic navigation: A comparative study

【字体: 大 中 小 】 时间:2026年04月17日 来源:Displays 3.4

编辑推荐:

  移动机器人地形识别框架研究,提出结合预训练CNN(如Painters)与经典分类器(SVM/XGBoost)的模块化方案。在RQMD数据集(4286张多地形图像)上验证,Painters+SVM组合达到99.5%准确率,MCC 0.994。该框架通过分离视觉表征与分类阶段,降低计算复杂度并避免过拟合,适用于资源受限环境,显著优于端到端模型。

  
Fouzi Harrou|Abdelhakim Dorbane|Ying Sun
沙特阿拉伯图瓦卢,King Abdullah科技大学(KAUST)计算机、电气与数学科学与工程系(CEMSE),邮编23955-6900

摘要

对于移动机器人来说,准确识别室外地形对于在复杂环境中安全且适应性地导航至关重要。地形识别使机器人能够区分不同类型的表面,如草地、碎石、沥青和瓷砖,从而实现明智的路径规划和障碍物规避。本研究提出了一种基于视觉的地形识别框架,该框架利用迁移学习进行特征提取,并结合经典机器学习进行分类。预训练的卷积神经网络(包括InceptionV3、SqueezeNet、VGG16、VGG19、DeepLoc和Painters)被用作图像嵌入器。它们的输出特征向量用于训练分类器,如XGBoost、CatBoost、随机森林、AdaBoost和支持向量机(SVM)。该方法在RQMD数据集上进行了评估,该数据集包含4286张使用800万像素Raspberry Pi相机在不同光照条件下拍摄的RGB图像,涵盖了七种地形类型:沥青、粗糙砖块、光滑砖块、草地、碎石、粗糙瓷砖和光滑瓷砖。这种细粒度的标注使系统能够学习表面纹理和结构的细微差异。在所有嵌入器-分类器组合中,基于Painters的SVM模型表现最佳,达到了99.5%的分类准确率和0.994的马修斯相关系数(MCC)。这些结果突显了将预训练网络的高级视觉表示与强大的机器学习模型相结合在移动机器人导航中实现准确且可扩展的地形识别的有效性。

引言

在复杂、非结构化的环境中运行的移动机器人,准确的地形识别是一项关键能力。它通过使机器人能够区分多种表面类型(如沥青、碎石、草地、植被、水和瓷砖)来实现安全导航、适应性路径规划和高效运动[1]、[2]。这一功能对于各种应用至关重要,包括精准农业[3]、[4]、环境监测和生物多样性评估[5]、城市基础设施检查[6]、[7]、灾难响应[8]以及在具有挑战性的地形中的军事侦察[9]、[10]。配备相机系统和地形分类算法的地形感知机器人可以收集可操作的环境数据,并在现实世界条件下实现自主性。例如,在农业中,地形识别支持针对特定地点的干预和产量优化;在保护工作中,它可以监测脆弱的生态系统。同样,在智慧城市中使用的机器人可以检测路面缺陷以进行主动维护;在军事环境中,它们可以自主导航不熟悉的地形。
由于采用了机器学习和深度学习技术来提高在多样化和非结构化环境中的识别准确性,因此用于地形识别的先进算法的发展显著加快[11]。几项近期研究通过使用视觉、传感器融合和基于学习的模型解决了地形分类挑战,为此进展做出了贡献。Jing等人[12]提出了一种结合对象检测和道路分割的统一方法,用于复杂室外环境中的移动机器人导航。Zhou等人[13]在S4-SLAM2系统中利用基于随机森林的方法实现了可靠的位置识别和室外导航中的循环闭合。基于传感器的分类也取得了进展;Sarcevic等人[14]引入了一种利用惯性和磁传感器的在线地形分类算法,通过陀螺仪导出的特征展示了优越的性能。Wallas等人[15]探索了使用力/扭矩传感器的人形机器人的地形分类,通过自适应运动参数调整实现了高精度和召回率。在深度学习方面,Tai等人[16]提出了一种用于室内环境的层次化探索模型,而Barnes等人[17]使用弱监督分割来支持城市环境中的语义路径规划。Nampoothiri等人[18]报告了使用集成子空间KNN在超过49,000个传感器读数上对11种地形类型进行的高分类性能。从迁移学习的角度来看,Zeng等人[19]使用MobileNet和DenseNet与投票集成分类器,在室外地形分类中达到了97%的准确率。这些努力共同强调了从基于图像和传感器驱动的方法到集成和深度神经模型等各种技术和模式在提高自主机器人地形识别方面的应用范围。最近在ImageNet[20]等大规模数据集的推动下,视觉特征提取方面的进展促进了高性能神经网络的发展,并实现了迁移学习,即在通用数据集上训练的模型可以适应特定领域的任务[21]。然而,传统的气形识别方法通常依赖于手工制作的低级特征,如颜色、纹理和形状,使用SIFT和ORB等技术[22]、[23]。这些方法计算成本高且对环境变化敏感,这促使人们转向基于深度学习的解决方案以实现稳健的地形分类。
最近的研究集中在使用高效、多模态和实时方法来增强移动机器人的地形分类。在[14]中,一种基于惯性和磁传感器时域特征的轻量级算法使用多层感知器(MLP)分类器实现了超过98%的准确率。Wu等人[24]提出了一种基于实时LiDAR的网络,结合了鸟瞰图(BEV)特征生成和可通行性完成模块,在RELLIS-3D和SemanticKITTI数据集上实现了110+ FPS的性能。同样,[25]介绍了一种地面介质分类算法,该算法利用四元数变换、基于KD树的邻域选择、小波去噪和混合自适应动态卷积(ADC)-长短期记忆(LSTM)架构,实现了97.46%的准确率和99.80%的AUC。在[26]中,BEVNet被提出作为一种基于BEV的深度网络,它从稀疏LiDAR预测地形成本图,融合了语义和几何线索,并利用学习到的先验知识来泛化到未见区域。在[27]中,TerrainNet使用多头视觉网络和自监督深度完成以及高效的图像投影实现了高速越野导航,该网络在大型真实世界数据集上进行了训练。Wang等人[28]开发了一种混合方法,结合了卷积神经网络(CNN)进行多类预测和支持向量机(SVM)进行关键地形的二值检测,实现了在资源受限硬件上的车载部署。在[29]中,通过神经基函数和最小二乘估计在线适应地形感知动态,允许在未知地形上进行实时规划而无需重新训练,并在模拟中展示了改进的碰撞避免能力。最近,Shelare等人[30]提出了StrideNET,这是一种基于Swin Transformer的双分支模型,用于地形识别和表面粗糙度估计。该架构结合了全局-局部注意力进行地形分类和统计纹理分析以提取动态粗糙度,在四种地形类型(草地、沼泽、沙地和岩石)上实现了超过99%的测试准确率。这突显了基于Transformer的模型在自主导航、环境监测和精准农业等应用中的巨大潜力。
尽管最近的地形识别方法表现出强大的性能,但许多方法依赖于像素级分割、手工制作的特征或特定任务的感知模式,这增加了注释成本、计算复杂性,并限制了部署的可扩展性。相比之下,本研究侧重于通过混合迁移学习策略来提高识别准确性、鲁棒性和部署可行性。本研究的主要贡献总结如下。
  • •
    我们提出了一个模块化的、无需分割的地形识别框架,该框架有意融合了预训练深度视觉模型和经典机器学习分类器的互补优势。我们没有训练端到端的网络,而是使用预训练的卷积神经网络作为固定的特征嵌入器,以利用它们从大规模数据集中学习丰富、层次化和可迁移的视觉表示的能力。这些高级嵌入捕捉了对地形识别至关重要的区分性纹理、颜色和结构线索,但这些线索难以手动设计。分类阶段被有意分离出来,由SVM、XGBoost和CatBoost等机器学习分类器处理,这些分类器以其强大的泛化能力、在数据有限时的鲁棒性以及在高维特征空间中的有效性而闻名。这种混合策略利用了深度学习的表示能力,同时受益于经典分类器的稳定性和数据效率。因此,所提出的框架降低了训练复杂性,避免了密集的像素级注释,减轻了端到端微调相关的过拟合风险,并能够在资源受限的机器人平台上实现高效部署,同时实现了最先进的识别准确率。
  • •
    在RQMD数据集上对多种预训练的视觉嵌入器进行了全面评估,包括传统模型(InceptionV3、VGG16/19、SqueezeNet)和不太传统的跨领域模型(Painters、DeepLoc)。这种系统的基准测试表明,针对纹理和风格区分进行优化的嵌入器,特别是Painters,产生了高度可分离的地形纹理特征空间。当与基于边界的分类器(如SVM)结合使用时,这些嵌入实现了卓越的性能(99.5%的准确率,MCC = 0.994),为跨领域的纹理感知表示的可迁移性提供了新的实证见解。
  • •
    所提出的框架使用分层训练/测试分割、5折交叉验证和多种互补指标(准确率、精确度、召回率、F1分数、AUC和MCC)进行了严格验证。此外,我们将表现最佳的混合模型与在同一RQMD数据集上评估的最新最先进方法进行了直接比较,包括MobileNetV2-、InceptionV3-和基于自定义CNN的方法。所提出的Painters+SVM配置始终优于这些端到端基线,证明了混合策略为移动机器人中的基于视觉的地形识别提供了更准确、更稳健和更可扩展的替代方案。
本文的其余部分组织如下。第2节介绍了本研究中使用的材料和方法。首先描述了RQMD数据集及其特点,然后概述了用于特征提取的预训练图像嵌入器。接下来,我们详细介绍了应用于提取嵌入的机器学习分类器,并介绍了所提出的无需分割的地形识别框架的总体架构。第3节报告并讨论了实验结果,包括对表现最佳模型的比较评估和失败分析。最后,第4节总结了主要发现并概述了未来工作的潜在方向。

部分摘录

材料和方法

本节概述了本研究中使用的材料和方法论框架,包括数据集、使用预训练深度学习模型进行特征提取的方法、所使用的分类算法以及所提出的地形识别系统的整体架构。

实验结果和讨论

本节介绍了所提出的无需分割的地形识别框架的实验验证。评估包括对多种嵌入器-分类器组合的性能比较,以及对表现最佳模型的失败案例的深入分析。

结论和未来工作

本研究提出了一个模块化的、无需分割的地形识别框架,该框架有意将深度视觉表示学习与分类分开,利用迁移学习和经典机器学习分类器。使用了几个预训练的卷积神经网络,即InceptionV3、SqueezeNet、VGG16、VGG19、DeepLoc和Painters,作为固定的特征提取器来捕获高级且可迁移的视觉表示。这些嵌入随后被

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号