采用卷积神经网络的低风险可行地貌分类方法

针对现有识别方法中风险地貌误判率高、手动地貌特征提取具有局限性等问题, 提出了用于室外移动机器 人的低风险地貌识别策略. 该策略以降低移动机器人遇险率为高优先级目标, 采用双重验证策略, 首先采用多分类 器对所有地貌进行识别, 其后使用二分类器对多分类结果中的安全地貌再次鉴别. 基于该策略, 分别设计了2个卷积 神经网络(CNN), Terrain–CNNⅠ用于多分类识别, Terrain–CNNⅡ则用于二分类安全确认. 为解决地貌样本相对稀缺 问题, 收集了包含水面、草地、泥地、柏油路、沙地、碎石路共6类地貌图像, 通过数据增强方式快速扩充数据集用于 网络的训练与测试. 实验结果表明: 所述方法在维持整体地貌识别率很高的前提下, 显著降低了关键危险地貌的误 判率.