無人平臺復(fù)雜地形探測的視觸融合方法*

王召新，劉華平，續(xù)欣瑩，孫富春

(1.太原理工大學(xué) 電氣與動力工程學(xué)院· 太原·030024；2.清華大學(xué) 計算機科學(xué)與技術(shù)系·北京·100084；3.清華大學(xué) 智能技術(shù)與系統(tǒng)國家重點實驗室·北京·100084)

0 引 言

深空探測作為人類航天活動的三大領(lǐng)域之一，充分展現(xiàn)國家的綜合實力，對國家經(jīng)濟、科技、社會發(fā)展具有重要意義[1]。復(fù)雜環(huán)境下的地形探測技術(shù)是提高無人平臺自主移動和環(huán)境適應(yīng)性能的關(guān)鍵因素[2]，在大多數(shù)深空探測任務(wù)中，都以地面探測方式對無人平臺進行導(dǎo)航和跟蹤[3]。無人平臺根據(jù)不同的地形環(huán)境選擇不同的前進策略，進而在自主避障的前提下安全穿越地形區(qū)域[4]。

視覺作為人類最常用的環(huán)境感知方式，可以提供豐富的地形信息。正如文獻[5-6]所述，可以通過使用視覺數(shù)據(jù)獲得地形類別。但是僅僅依靠視覺提示可能會產(chǎn)生誤導(dǎo)，例如，無人平臺會把冬天的干枯草地識別成土地。此時，觸覺數(shù)據(jù)的使用便顯得十分必要。文獻[7]將紅外距離傳感器、加速度計和力傳感器結(jié)合起來，以區(qū)分六種室內(nèi)表面地形。文獻[8-9]也使用觸覺傳感器來收集地形信息。因此，本文提出一種視觸融合的地形探測方法，有效地結(jié)合觸覺和視覺信息，實現(xiàn)兩種模態(tài)數(shù)據(jù)的優(yōu)勢互補。

目前，常用的地形識別方法有基于神經(jīng)網(wǎng)絡(luò)的算法和傳統(tǒng)的機器學(xué)習(xí)算法。針對不同地形的表面和結(jié)構(gòu)，通過小波變換和紋理特征獲得低維和高維特征，通過分類器得到地形類別。傳統(tǒng)的機器學(xué)習(xí)算法收斂速度較慢，效率不高，難以滿足要求。例如支持向量機(Support vector machine, SVM)需要手動選擇核函數(shù)和誤差控制參數(shù)等，因此，SVM算法需要花費大量的時間來調(diào)整參數(shù)[10]。卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network, CNN)的使用已經(jīng)在目標識別方面取得了成功。然而，大量的超參數(shù)和復(fù)雜的結(jié)構(gòu)使得深層神經(jīng)網(wǎng)絡(luò)經(jīng)歷一個耗時的訓(xùn)練過程。為了達到令人滿意的識別結(jié)果，深層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)需要調(diào)整網(wǎng)絡(luò)參數(shù)或不斷增加隱含層層數(shù)，這給深度學(xué)習(xí)的訓(xùn)練帶來了困難。并且在實際應(yīng)用中，在缺少監(jiān)督的天體表面環(huán)境中，無人平臺探測的目標通常呈現(xiàn)弱特征，另外傳感器收集的數(shù)據(jù)量有限，無法為深度學(xué)習(xí)提供足夠的數(shù)據(jù)進行訓(xùn)練。必須充分利用無人平臺的數(shù)據(jù)學(xué)習(xí)能力在有限壽命內(nèi)實現(xiàn)復(fù)雜地形的探索[11]。因此如何在小樣本數(shù)據(jù)情況下，充分利用傳感器信息資源完成地形識別任務(wù)成為無人平臺研究的一個熱點問題。

綜上所述，本文提出了一種基于多模態(tài)框架的寬度學(xué)習(xí)算法，能夠有效地融合無人平臺采集的地形圖像和觸覺信號，并且充分利用多模態(tài)信息來提取更多的抽象表示和不變特征，在自創(chuàng)建的多模態(tài)地形(visual-touch terrain，V-T2)數(shù)據(jù)集進行了實驗。實驗結(jié)果表明，視觸融合寬度學(xué)習(xí)地形分類的精度高于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法和支持向量機，避免了耗時的訓(xùn)練過程，且在小樣本數(shù)據(jù)情況下完成地形識別任務(wù)，提高了地形識別的魯棒性和準確性。

1 構(gòu)建級聯(lián)寬度學(xué)習(xí)網(wǎng)絡(luò)

2017年提出的快速增量學(xué)習(xí)方法寬度學(xué)習(xí)(Broad Learning，BRL)[12]是基于隨機矢量功能鏈神經(jīng)網(wǎng)絡(luò)的思想設(shè)計的。整個網(wǎng)絡(luò)由輸入、特征節(jié)點、增強節(jié)點和輸出四個部分組成。根據(jù)原始的BRL，本文提出了CFBRL-KCCA算法，首先，通過級聯(lián)特征節(jié)點寬度學(xué)習(xí)(Cascade Feature Nodes Broad Learning, CFBRL)[13]分別提取圖像和振動數(shù)據(jù)的特征，利用核典型相關(guān)分析(Kernel Canonical Correlation Analysis, KCCA)算法最大限度地提高兩種模態(tài)數(shù)據(jù)之間的相關(guān)性。最后，利用BRL分類器得到分類結(jié)果。該算法框架如圖1所示，主要包括三部分：

1.1 視覺和觸覺無監(jiān)督特征學(xué)習(xí)

將預(yù)處理的圖像和振動數(shù)據(jù)輸入至視觸多模態(tài)網(wǎng)絡(luò)，通過CFBRL算法的特征節(jié)點和增強節(jié)點的特征表示進行無監(jiān)督學(xué)習(xí)。首先，給定觸覺數(shù)據(jù)的輸入為X={x1,x2,…,xN}，則第1組特征節(jié)點表示為

Fc1=G(XWcf1+βcf1)

(1)

式中，G是線性激活函數(shù)；Wcf1和βcf1分別為第一組級聯(lián)特征節(jié)點寬度學(xué)習(xí)網(wǎng)絡(luò)中隨機生成的觸覺特征節(jié)點的權(quán)重和偏置；N表示該觸覺訓(xùn)練樣本集中共含有N個觸覺訓(xùn)練樣本。為了克服隨機初始化的不可預(yù)測性，CFBRL采用稀疏自動編碼器優(yōu)化輸入權(quán)重。之后，第一組特征節(jié)點的輸出作為第二組特征節(jié)點的輸入，則第2組特征節(jié)點表示為

Fc2=G(Fc1Wcf2+βcf2)

=G(G(XWcf1+βcf1)Wcf2+βcf2)

(2)

按照這一規(guī)律，第i組特征節(jié)點表示為

Fci=G(Fci-1Wcfi+βcfi)

(3)

圖1 算法框架流程圖

(4)

式中，ξ是非線性激活函數(shù)，Wcej和βcej分別為CFBRL子網(wǎng)絡(luò)中生成第j組觸覺增強節(jié)點的權(quán)重和偏置。M組增強節(jié)點定義為EM=[E1,E2,…,EM]。

1.2 視覺和觸覺融合特征學(xué)習(xí)

使用核典型相關(guān)分析算法，最大化觸覺初步特征矩陣Hc和視覺初步特征矩陣Hs之間的相關(guān)性，實現(xiàn)融合特征降維，確定兩個N維向量α和β，使得兩種模態(tài)樣本的線性組合U=ΦHc(Hc)α和V=ΦHsβ的相關(guān)系數(shù)最大，得到融合后的觸覺特征矩陣U和視覺特征矩陣V；其中，ΦHc(Hc)和ΦHs(Hs)是分別將觸覺初步特征矩陣Hc和視覺初步特征矩陣Hs映射到非線性特征空間得到。

1.3 輸出地形識別結(jié)果

融合后的觸覺特征矩陣U和視覺特征矩陣V經(jīng)寬度學(xué)習(xí)分類算法，通過嶺回歸的廣義逆近似求得CFBR的輸出即為地形識別結(jié)果Y，CFBRL網(wǎng)絡(luò)訓(xùn)練完畢；其中，所述地形識別分類結(jié)果Y的表達式如下

Y=[U|V]WN

(5)

(6)

2 視觸覺數(shù)據(jù)采集及預(yù)處理

2.1 數(shù)據(jù)采集

(1)無人平臺和傳感器：數(shù)據(jù)采集使用Autolabor Pro 1(AP1)移動無人平臺，它是一款適用于全地形的移動底盤。該無人平臺共有四種速度檔位，分別是0.2(m/s)，0.4(m/s)，0.6(m/s)，0.8(m/s)。在車身一側(cè)，平行且靠近地面的位置配備一個AKF392B 三軸向加速度計，其采樣頻率范圍為5 Hz～1000 Hz，偏差典型值小于 0.1%，具有輸出穩(wěn)定、環(huán)境適應(yīng)性能好等優(yōu)點。加速度計采樣頻率選擇100 Hz和200 Hz采集不同路面的振動信號，數(shù)據(jù)采集平臺如圖2所示。

(a)AP1 移動無人平臺 (b)加速度傳感器

(2)地形選擇：數(shù)據(jù)采集確定了常見的六種路面數(shù)據(jù)：瀝青(Asphalt)、草地(Grass)、馬賽克路(Mosaic road)、木板(Wood)、泥土路(Dirt)以及塑膠跑道(Plastic track)。其中，泥土是經(jīng)長期碾壓的緊實泥土，馬賽克路是巖石材質(zhì)組成的方格路面。

(3)視觸覺數(shù)據(jù)采集：控制AP1無人平臺以不同速度在六種地形上直線行駛，在每種地形上分別行駛了20分鐘，在四種車速和兩種采樣頻率總計八種場景下采集了16萬個觸覺數(shù)據(jù)點。視覺數(shù)據(jù)是使用AP1無人平臺上搭載的攝像機進行圖像采集得到，獲取的視覺數(shù)據(jù)主要用于后續(xù)通過視覺特征對地形進行識別?，F(xiàn)實生活中除了道路常見的顏色，如綠色的草地、紅色的塑膠跑道以及黑色的瀝青等，還有許多混雜的顏色，如瀝青具有白色的斑馬線以及黃色和藍色的漆線、藍色的塑膠跑道等。很多地形中還摻雜其他種類地形，如草地稀疏的部分有泥土，木板上有樹葉，泥土上有雜草和石塊等凸起。除了顏色和地形的交叉，不同的天氣和光照條件也會影響采集圖像的色彩，因此在采集視覺數(shù)據(jù)時考慮了晴天、遮蔭、傍晚光線弱以及晚上有燈光等光照條件，部分視覺數(shù)據(jù)集如圖3所示。每類地型采集50張圖像，全地形共計300張圖像。

圖3 真實采集的部分道路圖像

2.2 數(shù)據(jù)預(yù)處理

(1)觸覺數(shù)據(jù)預(yù)處理：為了保證數(shù)據(jù)的穩(wěn)定，將移動無人平臺啟動以及轉(zhuǎn)彎等時候采集的三維振動信號去掉，保留了9.6萬個數(shù)據(jù)點，將其分割成段(本實施例每種場景含有30段三維振動信號)，每種車速和采樣頻率設(shè)置有1.2萬個數(shù)據(jù)點，然后進行數(shù)據(jù)增強，在一種車速和采樣頻率下，每類地形的觸覺數(shù)據(jù)增強為50段三維振動信號(即每類地形的各段三維振動信號分別與采集的一張圖像相對應(yīng))，全部地形共計300段三維振動信號。其后通過截止頻率為10 Hz的高通濾波器去除數(shù)據(jù)增強后各三維振動信號中因重力和加速度計漂移產(chǎn)生的干擾噪聲；利用快速傅里葉變換(DFT321)算法將濾波后的三維振動信號合成為一維振動信號；通過上述處理保留了三軸分量的時頻和光譜特性，并且合成前后信號的總功率保持不變，減少了特征計算的工作量。隨后，利用短時傅里葉變換的方法，將上述一維振動信號轉(zhuǎn)換到頻域，短時傅里葉變換中的漢明窗的窗口長度是128，窗口偏移量是64，采樣頻率為100 Hz或者200 Hz，得到加速度頻譜圖像，對該頻譜圖像進行降采樣，得到大小為32×32×3的頻譜圖像，

(2)視覺數(shù)據(jù)預(yù)處理：對得到的視覺數(shù)據(jù)進行降采樣，降采樣后每張圖像的大小均為32×32×3，避免因每幅圖像特征太多對系統(tǒng)造成噪聲和冗余。

3 實驗結(jié)果與分析

把經(jīng)過預(yù)處理的300個觸覺樣本和300個圖像分別按4∶1的比例隨機劃分成240個觸覺訓(xùn)練樣本和240個視覺訓(xùn)練樣本以及60個觸覺測試樣本和60個視覺測試樣本。由于采集數(shù)據(jù)時設(shè)置了2種采樣頻率和4種速度共8種情況，實驗首先使用BRL算法驗證8種組合的觸覺數(shù)據(jù)分類情況，五折交叉驗證結(jié)果如圖4所示，測試精度分別是45.56, 50.11, 52.77, 49.23, 45.22, 47.48, 50.45和47.78。其中，橫坐標0.2-100表示無人平臺的運動速度0.2 m/s，采樣頻率100 Hz。

圖4 8種不同組合觸覺信號的地形識別精度

從分類結(jié)果可以看到，采樣頻率為100 Hz 的識別率明顯高于200 Hz的識別率。而且當(dāng)固定采樣頻率時，隨著速度的增加，識別率大致呈正態(tài)分布，當(dāng)V=0.6 m/s時得到最大值。最終，選擇了0.6 m/s，100 Hz 的數(shù)據(jù)樣本進行下一步的實驗。

在整個實驗中，比較了6種算法在單模實驗中的分類性能，仿真結(jié)果見表1。其中，支持向量機作為一種高精度分類工具，廣泛應(yīng)用于對象識別和分類等領(lǐng)域[14]。SVM分類器可以直接執(zhí)行二進制分類，也可以執(zhí)行多個分類任務(wù)，這些任務(wù)使用libSVM工具箱的RBF核心函數(shù)來訓(xùn)練樣本。極限學(xué)習(xí)機器(Extreme Learning Machine, ELM)是一種新型的單層前饋網(wǎng)絡(luò)，具有良好的學(xué)習(xí)能力[15]。對比觸覺數(shù)據(jù)的分類精度，得出SVM的效果最好，其次是CFBRL，僅僅比SVM落后了0.33%，而CFBRL在視覺數(shù)據(jù)的分類精度最好。

表1 不同模態(tài)數(shù)據(jù)在六種算法上的識別率

實驗也比較了Elm-CCA、Elm-KCCA、BRL-CCA、BRL-KCCA、CFBRL-CCA和CFBRL-KCCA算法在單模態(tài)和多模態(tài)中的分類性能。從圖5中可以看到，同一算法多模態(tài)數(shù)據(jù)的分類精度高于單模態(tài)數(shù)據(jù)的分類結(jié)果，并且使用KCCA算法的分類性能比使用CCA算法的分類性能好。對于使用KCCA的算法，參數(shù)設(shè)置如下：每個模型數(shù)據(jù)的高斯核S1和S2的寬度是16，M1=M2=1400(M1和M2是使用的隨機傅里葉特征的數(shù)目)，并且輸出維度是50。

另一方面，CFBRL的分類性能優(yōu)于原始BRL結(jié)構(gòu)的分類性能。這是由于CFBRL的特征節(jié)點采用級聯(lián)結(jié)構(gòu)，前一組特征節(jié)點的輸出作為下一組特征節(jié)點的輸入。因此，可以反復(fù)提煉數(shù)據(jù)特征，使用相對較少的特征節(jié)點也能達到較好的分類效果。本文提出的CFBRL-KCCA算法在幾種算法中得到了最高的分類結(jié)果，達到了84.67%。

圖5 不同算法在單模態(tài)和視觸融合數(shù)據(jù)的分類精度

為了比較四種BRL算法的性能，首先比較了這些算法學(xué)習(xí)到的特征的相關(guān)性。圖6(a)為不同算法在測試集上得到的前10個相關(guān)性最強的典型變量的相關(guān)系數(shù)之和。隨著輸出維數(shù)的增加，四種算法的相關(guān)系數(shù)之和呈現(xiàn)先升后降的趨勢。BRL-CCA和BRL-KCCA之間的差異不明顯。當(dāng)輸出尺寸大于50時，BRL-KCCA的優(yōu)點變得突出。整體來看，本文提出的CFBRL-KCCA的相關(guān)系數(shù)之和大于其他算法。此外，還比較了四種算法的識別率與輸出維數(shù)的關(guān)系。從圖6(b)可以看出，BRL-CCA的識別率有很大程度的波動，并且上升最快，但在四種算法中是最低的。本文提出的算法具有較好的魯棒性。當(dāng)輸出尺寸為50時，可以抵抗噪聲干擾達到85%的識別精度。

(a)輸出維數(shù)對相關(guān)系數(shù)之和的影響

(b)輸出維數(shù)對識別精度的影響

4 結(jié) 論

本文將寬度學(xué)習(xí)應(yīng)用于無人平臺的地形探測領(lǐng)域，提出了一種基于級聯(lián)特征節(jié)點寬度學(xué)習(xí)的多模態(tài)融合算法。該方法融合視觸信息的無監(jiān)督特征，最大限度地提高了兩個特征之間的相關(guān)性，實現(xiàn)了特征維數(shù)的聯(lián)合約簡，并利用寬度學(xué)習(xí)分類器獲得了地形識別結(jié)果。此外，開發(fā)了一種用于地形識別的視觸覺數(shù)據(jù)集V-T2，收集了6種道路上的圖像和觸覺信號。實驗結(jié)果表明，所提出的視觸融合框架在移動無人平臺地形探測中是有效的，尤其是在小樣本數(shù)據(jù)下能得到有競爭力的結(jié)果。