[发明专利]一种巡逻机器人执行追踪任务时的主动隐藏方法

权利要求书

1.一种巡逻机器人执行追踪任务时的主动隐藏方法，其特征在于：该方法包括以下步骤：

步骤1、目标区域获取

利用巡逻机器人上的相机采集当前环境图像的RGB图像，将得到的RGB图像转化为灰度图像，计算灰度图像中每个像素点的梯度幅值和方向，然后将灰度图像分割为若干个大小为8*8的cell单元，计算每个cell单元的梯度直方图，按照梯度方向对每个cell单元中的梯度幅值进行分组后，然后以4个cell单元为一个块，对每个块内的梯度幅值进行归一化处理，然后使用滑动扫描窗得到特征向量，将特征向量输入分类器中，实现目标区域和背景区域的分类，然后将目标区域压缩成大小为k*l的ROI区域；

步骤2、隐藏地貌检测

使用可分离卷积替代Unet网络中的解码部分，建立隐藏地貌检测网络，输入步骤1拍摄的RGB图像，隐藏地貌检测网络输出尺寸与输入图像相同的预测图像，通过预测图像得到当前环境的隐藏地貌区域；

步骤3、目标检测器训练

将步骤1得到的ROI区域作为初始的跟踪区域，获取初始帧T_t中的目标样本x＝[x₀,x₁,x₂,…,x_n-1]，通过循环矩阵对目标样本进行循环位移处理得到训练样本X：

对训练样本X中的每个元素x_i赋予对应的标签y_i，构造训练集(x_i,y_i)，获取误差最小的回归函数f(x)＝ω^Tx，其中ω为列向量表示权重系数，上标T标识转置；构造误差函数：

其中λ为正则化函数；引入映射函数将ω映射为：

其中α_i为系数；

引入核函数得到利用循环矩阵的性质和傅里叶变换，得到频域中的最小二乘解，完成目标监测器的训练：

其中，为α的傅里叶变换，α为系数α_i形成的向量，α＝(K+λI)^-1y，为核函数K(x_i,x_j)中的第一行元素；

根据训练后的目标监测器，求取当前样本图像z的相关性最大结果，得到跟踪结果，实现对ROI区域的跟踪：

其中，为相关性结果，为循环矩阵，⊙表示频域像素点乘运算；

步骤4、隐藏动作执行

对步骤2得到的隐藏地貌区域结果进行灰度化处理，并获取巡逻机器人底盘可行驶地貌的像素值p_road，设置巡逻机器人的前视距离为l_v，并获取对应的图像坐标系中的纵坐标y_t，遍历所有纵坐标为y_t的像素点，记录像素值为p_road的可行驶像素点，然后分别统计位于中垂线左侧和右侧的可隐藏像素点个数l_counts和r_counts，计算偏置误差err_target：

err_target＝(l_counts+r_counts)*0.8 (6)

计算巡航像素误差err作为PID控制策略的输入量：

err＝l_counts-r_counts-err_target (7)

调整比例参数k_p和微分参数k_d得到输出量output：

output＝k_p*err+k_d*(err-err_last) (8)

将输出量output作为巡逻机器人的角速度控制指令，控制机器人以稳定的线速度沿着隐蔽地貌区域的边界行驶，执行隐藏动作。

2.如权利要求1所述一种巡逻机器人执行追踪任务时的主动隐藏方法，其特征在于：步骤1中使用的分类器为支持向量机。