农业机器人动态作业场景概率图模型研究

感知作业场景和作业对象信息是智能农业机器人的必要功能，但当前绝大多数研究实践都局限于特定场景、特定对象以及特定应用的困境。为此，针对农业场景图像特征动态变化、一致性差等特点，首先在图像局部区域层次上通过对旋转和尺度不变像素特征信息的统计描述研究，建立图像超像素分割方法以及相应的超像素特征信息直方图表述。然后，在图像全局层面上基于条件随机场理论建立农业动态场景图像的概率图模型，研究应用相关启发先验信息、图像时空上下文互信息以及超像素自身特征等多源信息的融合过程，确立概率图模型结构和参数在线调整与应用相关监督信息之间的关系。最后，以移动式水果采摘机器人的视觉导航和采摘目标识别为应用实例进行实验研究。项目总体目的是通过挖掘农业动态场景图像内蕴的统计规律，为智能农业机器人提供一种更为通用的理解作业场景和作业对象的理论框架。

场景信息感知是非结构化农业环境下机器人实现自主作业的关键环节，然而，非结构化动态农业环境场景特征重叠及多模态分布结构、场景学习样本不均衡以及场景概念漂移等特性给场景感知系统的设计和应用带来了极大的挑战。本项目围绕非结构化农业环境场景建模问题，按照场景特征、场景样本融合、场景推理策略设计到场景模型验证的逻辑层次，具体从场景特征的在线自适应提炼策略、融合不同场景语义信息的概率图模型、融合场景区域空间关系的远距离推理模型以及场景概率图模型实验验证等角度进行了研究，为实现农业机器人自主作业提供理论依据和系统设计参考。具体研究内容如下：.研究了基于当前场景样本信息的隐特征自适应在线提取策略，建立了基于监督式核化局部线性嵌入流形学习的在线降维模型，解决了非结构化农业场景特征分布的动态不确定性问题以及预确定推理特征的有效性偏移问题。.提出了整合不同时空点场景样本信息和语义信息，建立了描述非结构化农业环境不同场景区域抽象概念的语义上下文模型，以解决非结构化农业场景识别学习样本不均衡、甚至缺失以及场景概念漂移等难题。包含样本数据的预充和在线扩充、基于语义上下文的最优样本选择及组合、基于预聚类策略的贝叶斯分类等步骤。.针对非结构化农业场景中不同特征重叠、相同特征多模态分布以及特征表现受距离尺度效应制约等特点，研究了融合同一场景不同区域空间关系以提升场景推理精度的方法，建立了基于条件随机场的空间上下文统计推理模型。模型采用单势能和交互势能分别实现了对场景区域特征以及区域空间关系的建模。单势能的构建实现了场景局部特征到对应地形类别的非线性映射。交互势能中的数据独立势函数从根据人类对场景先验感知经验完成了与局部区域特征无关的空间关系建模；交互势能中的数据相关势函数从相邻区域局部特征自适应融合的角度实现了基于局部区域特征的空间关系建模。.最后，结合农业机器人导航任务，将上述的场景模型应用到非结构化农业环境识别系统中。分别在不同天气、不同类型的场景中进行了场景分割和识别实验验证。结果表明，基于条件随机场的场景模型在非结构化农业环境中具有普遍意义，与传统识别方法相比具有统计意义上的优势，有助于增强农业机器人自主感知环境能力。