基于SVM的移动机器人路标识别算法VIP免费

第28卷第8期兵工自动化Vol.28,No.82009年8月OrdnanceIndustryAutomationAug.2009·58·doi:10.3969/j.issn.1006-1576.2009.08.021基于SVM的移动机器人路标识别算法易东，黄玉清（西南科技大学信息工程学院，四川绵阳621010）摘要：提出一种基于支持向量机的移动机器人路标识别算法，其利用SVM分类器对大量的交通标志进行识别。该方法对于场景光线强度变化，图像存在形变以及路标存在阴影遮挡和距离较远等情况都具有学习能力与容错性。实验结果表明，基于SVM的移动机器人路标识别分类器在复杂的室外环境下是有效的、具有鲁棒性的。关键词：移动机器人；路标识别；支持向量机；分类器中图分类号：TP242;TP301.6文献标识码：ASVM-BasedAlgorithmforWaymarkRecognitionofMobileRobotsYIDong,HUANGYu-qing(SchoolofInformationEngineering,SouthwestUniversityofScience&Technology,Mianyang621010,China)Abstract:AwaymarkrecognitionalgorithmformobilerobotbasedonSupportVectorMachine(SVM)isproposed.ItsprocesstrafficsignusesSVMclassification.Themethodshowsitslearningabilityandfaulttoleranceinvariouscircumstancessuchasdifferentlightintensity,imagedistortion,shadowingandlongshootingdistance.Experimentresultsshowthewaymark’sclassificationisefficientandithasrobustnessincomplicatedoutdoorenvironment.Keywords:Mobilerobot;Waymarkrecognition;SVM;Classification0引言路标图像识别是移动智能机器人环境感知中一项重要任务。支持向量机（SupportVectorMachine,SVM）是由Vapnik提出的研究有限样本下机器学习规律的统计学习方法，通过结构风险最小化原理[1]（StructuralRiskMinimization,SRM）来提高泛化能力，解决了非线性、高维数、局部极小等问题。故结合交通标志设置标准GB5768_99[2]中常用道路交通标志作为移动机器人路标识别中的实验样本。在这个标准中，交通标志主要有警告、禁令和指示标志3类。其中警告标志49种，禁令标志43种，指示标志29种。在自然环境中，路标颜色会出现不同程度的退化，所以其颜色波动范围大且线性不可分。根据SVM良好的学习能力和泛化能力，并结合待识别路标的特点，将支持向量机的思想用于移动机器人的路标识别，提出基于支持向量机的移动机器人路标识别技术。该技术在移动机器人的路标识别的实验中证明了其有效性和鲁棒性。1路标识别完整的路标识别系统包括[3]：图像的获取与预处理，图像分割（路标定位），特征提取，模式分类（路标识别）等部分。其中模式分类是系统的关键技术。较常用的模式分类方法是神经网络分类器[4]。神经网络是目前应用最广也是最成功的学习算法之一，具有较强的容错行和自适应学习能力。然而神经网络采用的经验风险最小化准则[1]（empiricalriskminimization,ERM），虽然可使训练误差最小化，但并不能最小化学习过程的泛化误差。实际应用中神经网络常出现的问题：1)更易出现局部最小值；2)其输出的假设规模经常可能大到不切实际；3)如果训练样本的数目有限，过大的假设函数类将导致过拟合；4)常受到大量参数的控制，参数的选择往往是通过启发式的参数调节过程。2支持向量机2.1两类模式问题SVM基于SRM准则构造最优超平面，使每类数据之间间隔最大，同时保持分类误差尽可能小。Cover定理指出：一个复杂的模式识别分类问题，在高维空间比低维空间更容易线性可分。实际上SVM实现了这样的思想：通过某种非线性映射（可以是未知的）将样本特征向量x映射到一个高维特征空间，然后在这个空间中构造最优分类超平面[1]。对简单的两模式分类，SVM算法可归结为：通过非线性变换()xxφφ→:，将模式数据映射到高维特征空间，构造分类超平面，表示为决策面：()0=+bxTφω(1)收稿日期：2009-02-24；修回日期：2009-04-18基金项目：国防科工委基础项目（A3120060264）作者简介：易东（1981-），男，四川人，西南科技大学在读硕士研究生，从事嵌入式系统、图像识别研究。易东，等：基于SVM的移动机器人路标识别算法·59·考虑到两类样本离决策面都应有一定距离，决策面应满足不等式约束，如图1。ωTx+b=+1,0,-1图1线性...