摘要
提出一种一般物体识别(GOR)方法.借鉴词袋(BOW)的统计模型,利用SIFT(尺度不变特征变换)检测算子进行特征向量描述.为了增加信息的冗余度,利用物体部件空间关系的统计信息来描述一幅图片中所有特征点的空间(相对距离和角度)关系,增广了原BOW模型中的特征向量.运用无监督判别分类器支持向量机(SVM)来实现分类识别.与此同时,采用GPU加速技术来实现SIFT特征提取与描述,以保证其实时性.然后,存手绘地图辅助导航的基础上,将该方法成功地应用到室内移动机器人导航上.实验结果表明,基于该方法的机器人导航技术具有较强的鲁棒性和有效性.
A GOR （general object recognition） method is proposed. It refers to the statistical model of BOW （bag of words）, and makes use of SIFT （scale-invariant feature transform） detection algorithm to describe feature vectors. Especially, in order to increase redundancy of image information, the statistical information of spatial relationships among object parts are used to describe the spatial relationships of all the feature points in an image, including relative distances and angles, which augments the feature vectors in the original BOW model. The unsupervised discriminated classifier SVM （support vector machine） is used to recognize objects. At the same time, GPU （graphic processing unit） acceleration technology is used to guarantee the real-time feature extraction and description of SIFT algorithm. Then, based on the hand drawn map, this method is successfully applied to indoor robot navigation. Experiments show that the mobile robot navigation technology based on this method is robust and effective.
出处
《机器人》
EI
CSCD
北大核心
2012年第4期466-475,共10页
Robot
基金
国家自然科学基金资助项目(60804063
61175091)
江苏省自然科学基金资助项目(BK2010403)
图像信息处理与智能控制教育部重点实验室开放基金资助项目(200902)
东南大学优秀青年教师教学
科研资助计划资助项目(3208001203)
东南大学创新基金资助项目(3208000501)
关键词
一般物体识别
移动机器人
视觉导航
GPU加速
general object recognition
mobile robot
visual navigation
GPU （graphic processing unit） acceleration
