33、基于TD学习的移动机器人户外环境自动场景识别定位方法

基于TD学习的移动机器人户外环境自动场景识别定位方法

1. 引言

导航是移动机器人的重要能力，而在环境中实现定位则是达成导航的首要步骤。在户外未知环境中，移动机器人面临诸多挑战，如场景识别困难、缺乏先验信息等。传统的基于地图构建和匹配的定位方法，如SLAM系统，存在误差累积、绘图耗时等问题，对后续定位和导航的准确性产生负面影响。

为解决这些问题，提出了一种基于机器学习的自动场景识别方法，用于移动机器人在户外环境的定位，无需显式构建地图。该方法借助工作记忆工具包（WMtk），通过自动识别基于地标的场景，实现目标位置与刺激的联合表示之间的奖励关联。

2. 场景表示

户外环境导航一直是研究热点，但可靠且通用的解决方案仍未出现。定位和导航需要了解环境信息和机器人当前位置，在非结构化户外环境中，这些先验信息尤为重要。

视觉定位是过去20年的活跃研究领域，常见的特征提取技术有尺度不变特征变换（SIFT）和加速分段测试特征（FAST）角点检测。SIFT能在多图像间提取和匹配特征，但提取特征数量多；FAST角点检测适用于实时视频帧率。过滤这两种技术提取的特征可提高定位和光照鲁棒性。

为减少场景表示中的特征数量，采用基于图像块的分割方法。具体步骤如下：
1. 从等间距的小图像块中提取基于颜色直方图的特征向量。
2. 对特征向量进行聚类，形成抽象的高级感知概念。
3. 用这些概念表示场景并参与移动机器人定位。

3. 场景识别

动物利用外部地标识别目标位置，为减少地标误判，场景中的元素应绑定成配置关联。场景的上下文表示有两种方式：
- 特征表示：将场景表示