融合图像信息和改进LSSVM的障碍物尺寸预测方法技术

本发明专利技术公开了一种融合图像信息和改进LSSVM的障碍物尺寸预测方法，包括以下步骤：搭建障碍物图像信息获取平台，采用机器视觉算法获取障碍物像素尺寸信息；运用遗传算法结合鲸鱼优化算法优化最小二乘支持向量机的正则化参数和核函数宽度；以障碍物像素尺寸和障碍物到摄像机的距离为输入参数，以障碍物实际尺寸为输出参数，构建基于遗传算法、鲸鱼优化算法和最小二乘支持向量机的障碍物尺寸预测模型；将障碍物像素尺寸输入到障碍物尺寸预测模型，得到障碍物实际尺寸。本发明专利技术采用GA

【技术实现步骤摘要】
融合图像信息和改进LSSVM的障碍物尺寸预测方法


[0001]本专利技术涉及移动作业机器人环境感知
，特别涉及一种融合图像信息和改进LSSVM的障碍物尺寸预测方法。

技术介绍

[0002]随着世界经济和科技的迅速发展，移动机器人被广泛应用于人类科学研究、生产和生活中，它能够代替人类前往复杂且危险的环境下自主完成作业，有着非常广阔的应用前景。随着移动机器人任务需求的不断增加，其工作环境也从简单的结构化环境转变为户外的非结构化环境。因此，这就给移动机器人进行环境感知和避障导航提出了更高的要求。
[0003]移动机器人是通过各种类型的传感器来感知环境，然后采用信息融合技术进行决策，并规划避障导航路径。环境感知作为移动机器人的眼睛，能够帮助移动机器人感知周围的世界，对移动机器人的发展具有非常重要的作用，同时也是移动机器人进行路径规划和避障导航的前提。
[0004]为了提高移动机器人环境感知的能力，很多学者开展了相关的研究。Ellips Masehian等人开发了价格低廉并具有传感能力的移动机器人，它能够可靠地构建多重连接的环境地图，并能获得凹坑和凸起障碍物。K.K.Arun等人提出了基于模糊规则的环境感知自主移动机器人的巡回演出方法，通过适应环境条件，然后构建响应规则，改进了编程机器人的巡视和自我决策分析，该方法能达到即时适应环境的最佳解决方案。Sheng Liu等人提出了一种趋势感知运动规划(TAMP)的动态避障的运动规划算法，该方法产生了一条远离动态障碍物的轨迹，同时避开了障碍物的移动趋势。Edgar Macias
‑
Garcia等人提出了一个由并行和处理阶段的连续卷积神经网络组成的全感知系统，用于根据所需目标生成无碰撞轨迹。该系统在实际环境中的每一步都进行了评估，并通过一些性能测试，证明是一个适合实时应用的强大而快速的系统。Ngangbam Herojit Singh等人提出了一种新的方法，利用人工神经网络为移动机器人在包含移动和静态障碍物的动态环境中生成无碰撞、接近最优的路径和速度。结果表明该方法能有效达到移动机器人目标位置的近乎最优的路径。T.Ran等人提出了一种低成本的仅基于视觉的感知方式来实现室内移动机器人的导航方法，通过在静态和动态未知环境中进行广泛的实验，证明了所提出的导航方法的能力和稳健性。K Madhava Krishna等人讨论了在基于传感器的实时导航算法中纳入认知和记忆能力的优势。该方法已经在凹形、迷宫状、非结构化和改变的环境中进行了测试，并确定了其有效性。Li Wang等人提出了一个基于迁移学习的三层感知框架，包括一个地点识别模型、一个旋转区域识别模型和一个"侧面"识别模型。在一个真实的室内环境中进行了一些实验，证明了所提出的感知框架的有效性和稳健性。Xu Cui等人提出了一种基于改进的ORB
‑
SALM2的移动机器人三维语义地图构建方法，所构建的三维环境热场图具有较高的准确性和实时性。Marco Visca等人提出了一种在非结构化环境中用于移动机器人的Conv1D能量感知路径规划器，它可以提供机器人穿越复杂不平坦地形时的驾驶能量消耗和能量恢复的估计，并取得很好的结果。
[0005]上述研究主要针对环境感知所提出的避障方法，并取得比较好的研究成果，但上述研究并没有充分的获取环境信息，如障碍物的实际尺寸信息。为了进一步提高移动机器人环境感知性能，同时也为移动机器人路径规划和避障导航提供数据基础，获取障碍物的实际尺寸参数成为了一个亟待解决的问题。

技术实现思路

[0006]为了解决上述技术问题，本专利技术提供一种算法简单、操作方便的融合图像信息和改进LSSVM的障碍物尺寸预测方法。
[0007]本专利技术解决上述技术问题的技术方案是：一种融合图像信息和改进LSSVM的障碍物尺寸预测方法，包括以下步骤：
[0008]步骤一：搭建障碍物图像信息获取平台，采用机器视觉算法获取障碍物像素尺寸信息；
[0009]步骤二：运用遗传算法结合鲸鱼优化算法优化最小二乘支持向量机的正则化参数和核函数宽度；
[0010]步骤三：以障碍物像素尺寸和障碍物到摄像机的距离为输入参数，以障碍物实际尺寸为输出参数，构建基于遗传算法、鲸鱼优化算法和最小二乘支持向量机的障碍物尺寸预测模型；
[0011]步骤四：将障碍物像素尺寸输入到障碍物尺寸预测模型，得到障碍物实际尺寸。
[0012]上述融合图像信息和改进LSSVM的障碍物尺寸预测方法，所述步骤一中，障碍物图像信息获取平台包括用于采集周围环境信息的摄像机、用于采集障碍物到摄像机距离的测距传感器、以及用于控制的计算机，摄像机、测距传感器分别连接计算机。
[0013]上述融合图像信息和改进LSSVM的障碍物尺寸预测方法，所述步骤一中，采用机器视觉算法获取障碍物像素尺寸信息的具体过程为：
[0014](1
‑
1)图像预处理：通过摄像机获取障碍物的原图，采用仿射变换对原图像进行平移和旋转角度修正，纠正相机拍摄过程存在的角度偏差；将图像中障碍物区域创建ROI，将感兴趣的部分裁剪出来进行处理，对ROI区域进行中值滤波操作，运用梯度下降法，增强边界轮廓，得到三通道彩色图像；
[0015](1
‑
2)图像分割：将所得的三通道彩色图像转换为三个单通道灰度图像，并将三个单通道图像从RGB空间转化成HSV空间，获得对比明显的灰度图像，将Saturation
‑
image空间的图像按像素灰度的幅度进行分割，然后进行二值化处理，将目标从图像中分割出来；
[0016](1
‑
3)图像形态学处理：运用形态学中的开运算和闭运算操作，处理分割出的目标图像中出现的杂点、空洞以及空隙，优化目标区域；
[0017](1
‑
4)边缘检测：采用Sobel算子利用在边缘点处达到极值这一现象对目标区域进行边缘检测，最终拟合障碍物轮廓；
[0018](1
‑
5)获得障碍物的像素尺寸。
[0019]上述融合图像信息和改进LSSVM的障碍物尺寸预测方法，所述步骤二具体过程为：
[0020](2
‑
1)确定最小二乘支持向量机LSSVM模型的输入输出参数：以障碍物的最大像素宽度w、最大像素高度h以及障碍物到摄像机的距离L作为LSSVM模型的输入参数，以障碍物最大实际宽度W和障碍物最大实际高度H为LSSVM模型的输出参数；
[0021](2
‑
2)数据归一化处理：对输入和输出数据进行归一化处理，使每个指标的数据范围在[
‑
1,1]之间；
[0022](2
‑
3)设置参数并初始化；设置的参数包括遗传算法GA的交叉概率P
c
和变异概率P
m
，鲸鱼优化算法WOA的变量数dim、最大迭代次数MaxIter、鲸鱼种群数量n、变量上限u
max
和变量下限u
...

【技术保护点】

【技术特征摘要】
1.一种融合图像信息和改进LSSVM的障碍物尺寸预测方法，其特征在于，包括以下步骤：步骤一：搭建障碍物图像信息获取平台，采用机器视觉算法获取障碍物像素尺寸信息；步骤二：运用遗传算法结合鲸鱼优化算法优化最小二乘支持向量机的正则化参数和核函数宽度；步骤三：以障碍物像素尺寸和障碍物到摄像机的距离为输入参数，以障碍物实际尺寸为输出参数，构建基于遗传算法、鲸鱼优化算法和最小二乘支持向量机的障碍物尺寸预测模型；步骤四：将障碍物像素尺寸输入到障碍物尺寸预测模型，得到障碍物实际尺寸。2.根据权利要求1所述的融合图像信息和改进LSSVM的障碍物尺寸预测方法，其特征在于，所述步骤一中，障碍物图像信息获取平台包括用于采集周围环境信息的摄像机、用于采集障碍物到摄像机距离的测距传感器、以及用于控制的计算机，摄像机、测距传感器分别连接计算机。3.根据权利要求1所述的融合图像信息和改进LSSVM的障碍物尺寸预测方法，其特征在于，所述步骤一中，采用机器视觉算法获取障碍物像素尺寸信息的具体过程为：(1
‑
1)图像预处理：通过摄像机获取障碍物的原图，采用仿射变换对原图像进行平移和旋转角度修正，纠正相机拍摄过程存在的角度偏差；将图像中障碍物区域创建ROI，将感兴趣的部分裁剪出来进行处理，对ROI区域进行中值滤波操作，运用梯度下降法，增强边界轮廓，得到三通道彩色图像；(1
‑
2)图像分割：将所得的三通道彩色图像转换为三个单通道灰度图像，并将三个单通道图像从RGB空间转化成HSV空间，获得对比明显的灰度图像，将Saturation
‑
image空间的图像按像素灰度的幅度进行分割，然后进行二值化处理，将目标从图像中分割出来；(1
‑
3)图像形态学处理：运用形态学中的开运算和闭运算操作，处理分割出的目标图像中出现的杂点、空洞以及空隙，优化目标区域；(1
‑
4)边缘检测：采用Sobel算子利用在边缘点处达到极值这一现象对目标区域进行边缘检测，最终拟合障碍物轮廓；(1
‑
5)获得障碍物的像素尺寸。4.根据权利要求3所述的融合图像信息和改进LSSVM的障碍物尺寸预测方法，其特征在于，所述步骤二具体过程为：(2
‑
1)确定最小二乘支持向量机LSSVM模型的输入输出参数：以障碍物的最大像素宽度w、最大像素高度h以及障碍物到摄像机的距离L作为LSSVM模型的输入参数，以障碍物最大实际宽度W和障碍物最大实际高度H为LSSVM模型的输出参数；(2
‑
2)数据归一化处理：对输入和输出数据进行归一化处理，使每个指标的数据范围在[
‑
1,1]之间；(2
‑
3)设置参数并初始化；设置的参数包括遗传算法GA的交叉概率P
c
和变异概率P
m
，鲸鱼优化算法WOA的变量数dim、最大迭代次数MaxIter、鲸鱼种群数量n、变量上限u
max
和变量下限u
min
，最小二乘支持向量机中设置算法类型为回归预测类型，核函数为径向基函数；鲸鱼算法中座头鲸的位置Q用如下公式表示：
其中q
n,dim
表示Q中第n行第dim列的值；根据步骤(2
‑
3)设置的参数，根据下式计算鲸鱼的第1个随机种群位置Q1，并将迭代次数t设置为1；Q1(i,j)＝rand(i,j)
×
[u
max
(i)
‑
u
min
(i)]+u
min
(i)Q1(i,j)表示Q1中第i行与第j列的值，u
max
(i)和u
min
(i)为第i个座头鲸的上限和下限，rand(i,j)为[0,1]区间内的随机数；(2
‑
4)计算适应度值：将LSSVM模型预测值的均方误差RMS作为适应度值，获取当前鲸鱼种群个体的最优适应度值及其...

【专利技术属性】
技术研发人员：宁宇，金永平，彭佑多，颜健，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：