90、机器人场景分割与目标识别及显著性检测分析

机器人场景分割与目标识别及显著性检测分析

1. 机器人场景分割与目标识别

在机器人的视觉处理中，场景分割和目标识别是两个关键的任务。

1.1 场景分割

场景分割算法依赖于机器人物理配置的稳定性。在室内实验室或公寓环境中，该假设大多时候成立，但在某些情况下会失效，例如楼梯场景就无法用此方法处理。不过，算法能准确识别并移除 RGB - D 图像中属于地板平面的部分，即使机器人在运行过程中突然加速、撞到障碍物或发生振荡，这一功能依然有效。

分割过程中的墙壁检测步骤存在更多问题。若仅使用 RANSAC 检测这些平面，结果不可靠，因为对齐的物体可能形成被标记为墙壁并移除的平面。因此，仅用 RANSAC 移除非常大的平面（点数超过 60000），这种大平面通常只有在机器人面对近墙时才会出现。对于较小的墙壁部分，采取了更激进的措施，即移除所有与 RBG - D 图像边界接触的物体的点，这确保了墙壁和大到无法完全放入单张图像的物体不被用于目标识别，但缺点是也会移除靠近墙壁的真实物体。后续计划使用地图信息检测墙壁来替代 RANSAC。

此外，该分割方法不会产生很多用于目标识别的错误候选对象，但倾向于对物体分割不足，彼此靠得太近的物体会被系统地合并，这是该方法的主要问题，希望利用目标识别来解决。

分割步骤	方法	问题及解决措施
地板平面处理	算法自动识别并移除	大部分情况有效，