基于分层词袋模型的室外环境增量式场景发现
陈昊天1
张彪1
孙凤池2
黄亚楼2
苑晶3
1.南开大学计算机学院,天津3003502.南开大学软件学院,天津3003503.南开大学人工智能学院,天津300350
摘要：场景理解是机器人在多样化环境中自主执行任务的前提,而场景发现是场景理解的一个重要内容.由于具体场景在空间和时间上存在连续性,可以假定移动机器人在某一段时间内处于同一场景,并且属于同一场景的图像序列的视觉观感是相似的,因此提出无需先验知识的增量式室外场景发现,通过分层词袋模型建立图像和场景的联系,使得场景发现过程更加类似人类认知模式.对于机器人实时获取的每一副图像,首先将其分块,然后利用动态聚类算法增量式地得到相应的低层词典,并据此词典提取高层词袋模型特征,接下来,再用另一动态聚类算法增量式地完成场景发现,从而判断当前图像属于一个已经历场景,或未经历场景,直到发现新场景.实验结果证明,该方法能够在没有先验知识的情况下有效完成自主场景发现.
关键词：室外环境移动机器人场景发现无监督学习词袋模型
资助基金：国家自然科学基金(61873327)
论文发表日期：2020-07-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 1471-1480 )
英文信息