| 采用卷积神经网络的低风险可行地貌分类方法 |
| |
| 引用本文： | 张琪安,张波涛,吕强,王亚东. 采用卷积神经网络的低风险可行地貌分类方法[J]. 控制理论与应用, 2020, 37(9): 1944-1950 |
| |
| 作者姓名： | 张琪安 张波涛 吕强 王亚东 |
| |
| 作者单位： | 杭州电子科技大学自动化学院,浙江杭州310018;杭州电子科技大学自动化学院,浙江杭州310018;浙江大学智能系统与控制研究所,浙江杭州310058 |
| |
| 基金项目： | 浙江省自然科学基金;国家自然科学基金;浙江省重点研发项目 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 移动机器人 地貌识别 低风险地貌 卷积神经网络 |
| 收稿时间： | 2019-08-19 |
| 修稿时间： | 2020-04-24 |
Low-risk terrain classification based on convolutional neural network |
| |
| ZHANG Qi-an,ZHANG Bo-tao,Lu Qiang and Wang Ya-dong. Low-risk terrain classification based on convolutional neural network[J]. Control Theory & Applications, 2020, 37(9): 1944-1950 |
| |
| Authors: | ZHANG Qi-an ZHANG Bo-tao Lu Qiang Wang Ya-dong |
| |
| Affiliation: | HANGZHOU DIANZI UNIVERSITY,HANGZHOU DIANZI UNIVERSITY,HANGZHOU DIANZI UNIVERSITY,HANGZHOU DIANZI UNIVERSITY |
| |
| Abstract: | |
| |
| Keywords: | mobile robot terrain classification low-risk terrain convolutional neural network |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《控制理论与应用》浏览原始摘要信息 |
|
点击此处可从《控制理论与应用》下载全文 |
|
