9、用于自主移动机器人检测和识别的地形图像颜色模型开发方法

用于自主移动机器人检测和识别的地形图像颜色模型开发方法

1. 引言

自主移动机器人（AMR）近年来在人类活动的各个领域得到了广泛应用，特别是在安全和军事行动相关领域。本文主要聚焦于地面机器人，它们需独立完成分配的任务。在许多情况下，全球定位系统（GPS）的效能不佳，可能受到干扰，如重叠可见性、设备故障等因素会显著降低其有效性，因此AMR的应用显得尤为必要。

机器人在执行任务时，需在无GPS和数字地图的情况下，通过检测障碍物选择无障碍物路径，并利用地标进行定位。地标可分为多种类型，如合成和自然、永久和临时、辐射和非辐射等。在本文中，主要分析建筑物外任意地形上的人工和自然地标。

检测和识别地标有多种方法，本文仅考虑基于视频摄像机信息记录和最新技术信号处理的光学方法，该方法可与神经网络和人工智能的深度学习相结合。传统目标检测算法分为手动和自动两种，本文主要探讨自动方法，且提出了一种无需人工神经网络的信息处理方法，使机器人对环境类型的依赖性降低，该方法在夜间也能发挥作用。

为提高地标检测和识别的质量，需设定图像压缩、存储和摄像机特性的要求。图像预处理方法可使用四个摄像机，一个聚焦前景物体，另一对聚焦背景，生成的失配向量可减少信息预处理时的预测误差。目标识别的先验信息存储在数据库中，可达1000万张场景照片，并带有语义类别标签。分析从需要检测的物体分类开始，类型和标签决定图像内容及信息可靠性。图像分类和目标检测模型训练的主要区别在于照片的标记方式。自动地标识别存在诸多问题，如在光学干扰下可靠检测地标、消除图像模糊等影响，这些问题需要统计评估和实时计算。本文旨在创建带有背景的地标图像颜色新模型，用于AMR导航。

2. 背景

AM