[发明专利]一种基于尺度不变特征极限学习机的机器人场景识别方法

摘要

本发明公开了一种基于尺度不变特征极限学习机的机器人场景识别算法，该方法包括以下步骤:首先，利用尺度不变特征表达机器人视觉图像的场景，其次使用K均值聚类算法实现机器人场景图像表达码本，最后利用极限学习机算法建立机器人视觉场景图像和场景标签之间的映射关系。本方法利用了极限学习机的优点，降低了传统神经网络的参数估计和优化的复杂度，进一步缩短了训练时间和提高了机器人场景图像的识别率。

主权项

一种基于尺度不变特征极限学习机的机器人场景识别方法，其特征在于，包括以下步骤:步骤S1，图像预处理；对原始场景图像进行校准，增强以及归一化工作，得到尺寸一致，灰度值取值范围相同的标准化图像集；所述原始场景图像包括场景的注册库图像和测试图像，其中场景注册库包括针对不同的场景预先采集的多张图像，用于学习码本和训练极限学习机，测试图像是采集用来测试识别算法的图像；步骤S2，对注册库图片进行尺度不变特征转换，包括构造尺度空间；确定关键点；对关键点进行精确定位；确定尺度不变特征描述向量；合并所有训练图片的尺度不变特征描述向量构成新的矩阵；步骤S3，对矩阵进行聚类处理，确定聚类中心的个数，得到用聚类中心构建而成的码本；步骤S4，对场景图片进行尺度不变特征转换，将该尺度不变特征描述向量向码本做映射，得到其特征系数；对各个特征系数进行标签分类后得到相应的码本系数矩阵；步骤S5，利用码本系数矩阵训练建立基于极限学习机的神经网络，对极限学习中节点个数参数进行优化设置，通过随机初始化网络的输入权值以及隐元的偏置，得到隐层输出矩阵；步骤S6，输入测试场景图像的码本系数矩阵，利用极限学习机的优化参数预测输出场景图像的类别属性，完成场景识别过程。