·157· 张威，等：室外未知环境下的AGV地貌主动探索感知 第1期 进、0.6ms前进、0.8ms前进、0.2m/s后退、0.4m/s 下的振动数据，如图6、7所示为10种运动模式下 后退、0.6m/s后退和0.8m/s后退10种运动模式 的信号反馈，其他13种地形也分别依次采集。 2.0 2.0 2.0 2.0 2.0 1.5 1.5 1.5 1.5 1.5 1.0 1 1.0 1.0 05 0.5 0.5 0.5 0.5 0 500 0 500 500 500 0 500 样本序列 样本序列 样本序列 样本序列 样本序列 (a)左转弯LT (b)右转弯(RT) (c)0.2m/s前进(LSF) (d0.4ms前进(MSF)(e)0.6m/s前进(MHSF) 2.0 2.0 2.0 2.0 2.0 1.5 1.5 1.5 1.5 1.5 1.0 1.0 1.0 1.0 0.5 0.5 0.5 0.5 0.5 500 500 500 0 500 0 500 样本序列 样本序列 样本序列 样本序列 样本序列 (①0.8m/s前进HSF) (g)0.2m/s后退LSB) (h)0.4m/s后退(MSB)(①)0.6m/s后退(MHSB))0.8m/s后退HSB) 图6落叶覆盖的土壤中10种运动方式振动信号对比 Fig.6 Comparison of vibration signals of 10 motion modes in two deciduous soil 2.0 2.0 2.0 2.0 2.0 15 1.5 1 1.5 1.0 1.0 .0 1.0 0.5 0.5 0.5 0.5 500 500 0 500 500 0 500 样本序列 样本序列 样本序列 样本序列 样本序列 (a)左转弯(LT) (b)右转弯(RT) (c)0.2m/s前进(LSF) (d)0.4m/s前进(MSF)(e)0.6m/s前进(MHSF) 2.0 2.0 2.0 2.0 2.0 1.5 1.5 1.5 1.5 1.5 1.0 1.0 1.0 1.0 0.5 0.5 0.5 0.5 0.5 0 500 0 500 0 500 0 500 0 500 样本序列 样本序列 样本序列 样本序列 样本序列 (①0.8m/s前进(HSF)(g)0.2ms后退(LSB) h)0.4m/s后退(MSB)(i)）0.6m/s后退(MHSB)G0.8m/s后退HSB) 图7粗石子中10种运动方式振动信号对比 Fig.7 Comparison of vibration signals of 10 motion modes in two coarse stones 3.2.3对采集的交互振动数据进行预处理 4实验结果 对实验中采集的各种场景下的三维振动信号 4.1识别结果 只选取Z轴振动信号进行分段和滤波处理；实验 本文将所有的地貌类别采集的数据输入模型 中为了确保数据的可靠稳定，在分类前将移动机 中计算得到所有执行动作的表现。在经过每一次 器人初始启动以及停止等时间段采集的振动信号 实验之后，都替换新的识别目标和初始化动作以 去掉，保留了168万个数据点，再将其数据信号分 进行新目标的实验测试。根据在模型中的每一种 割成段，然后通过截止频率为10Hz的高通滤波 类别识别得到的平均表现精度作为最终结果。同 器去除采集的Z轴振动信号中因重力和加速度计 时，也使用了顺序策略和随机策略实验与主动探 漂移导致的干扰噪声，得到14种地貌的样本数据 索方法相比较，其中随机策略是在每个识别类别 集，如图6、7所示为落叶土壤和粗石子对应的10 中都使用均匀概率的方式挑选下一个动作得到的 种运动状况下的振动信号；将上述预处理后的所 振动数据序列，而顺序策略是在每一个类别的实 有运动状态数据和交互振动数据共同构成地貌数 验中均利用相同的顺序规则挑选下一个动作得到 据库，每一运动状态分别与一交互振动数据相对应。 的振动数据序列；和被动方法的实验结果相比，进、0.6 m/s 前进、0.8 m/s 前进、0.2 m/s 后退、0.4 m/s 后退、0.6 m/s 后退和 0.8 m/s 后退 10 种运动模式 下的振动数据，如图 6、7 所示为 10 种运动模式下 的信号反馈，其他 13 种地形也分别依次采集。 500 样本序列 500 样本序列 0 0.5 1.0 1.5 2.0 加速度/(m·s−2 ) 0 0.5 1.0 1.5 2.0 加速度/(m·s−2 ) (a) 左转弯 (LT) (f) 0.8 m/s 前进 (HSF) 样本序列 500 500 样本序列 0 0.5 1.0 1.5 2.0 加速度/(m·s−2 ) 0 0.5 1.0 1.5 2.0 加速度/(m·s−2 ) (b) 右转弯 (RT) (g) 0.2 m/s 后退 (LSB) 500 样本序列 500 样本序列 0 0.5 1.0 1.5 2.0 加速度/(m·s−2 ) 0 0.5 1.0 1.5 2.0 加速度/(m·s−2 ) (c) 0.2 m/s 前进 (LSF) (h) 0.4 m/s 后退 (MSB) 500 样本序列 500 样本序列 0 0.5 1.0 1.5 2.0 加速度/(m·s−2 ) 0 0.5 1.0 1.5 2.0 加速度/(m·s−2 ) (d) 0.4 m/s 前进 (MSF) (i) 0.6 m/s 后退 (MHSB) 500 样本序列 500 样本序列 0 0.5 1.0 1.5 2.0 加速度/(m·s−2 ) 0 0.5 1.0 1.5 2.0 加速度/(m·s−2 ) (e) 0.6 m/s 前进 (MHSF) (j) 0.8 m/s 后退 (HSB) 图 6 落叶覆盖的土壤中 10 种运动方式振动信号对比 Fig. 6 Comparison of vibration signals of 10 motion modes in two deciduous soil 500 样本序列 500 样本序列 0 0.5 1.0 1.5 2.0 0 0.5 1.0 1.5 2.0 0 0.5 1.0 1.5 2.0 0 0.5 1.0 1.5 2.0 0 0.5 1.0 1.5 2.0 加速度/(m·s−2 ) 0 0.5 1.0 1.5 2.0 0 0.5 1.0 1.5 2.0 0 0.5 1.0 1.5 2.0 0 0.5 1.0 1.5 2.0 0 0.5 1.0 1.5 2.0 加速度/(m·s−2 ) (a) 左转弯 (LT) (f) 0.8 m/s 前进 (HSF) 500 样本序列 500 样本序列 加速度/(m·s−2 ) 加速度/(m·s−2 ) (b) 右转弯 (RT) (g) 0.2 m/s 后退 (LSB) 500 样本序列 500 样本序列 加速度/(m·s−2 ) 加速度/(m·s−2 ) (c) 0.2 m/s 前进 (LSF) (h) 0.4 m/s 后退 (MSB) 500 样本序列 500 样本序列 加速度/(m·s−2 ) 加速度/(m·s−2 ) (d) 0.4 m/s 前进 (MSF) (i) 0.6 m/s 后退 (MHSB) 500 样本序列 500 样本序列 加速度/(m·s−2 ) 加速度/(m·s−2 ) (e) 0.6 m/s 前进 (MHSF) (j) 0.8 m/s 后退 (HSB) 图 7 粗石子中 10 种运动方式振动信号对比 Fig. 7 Comparison of vibration signals of 10 motion modes in two coarse stones 3.2.3 对采集的交互振动数据进行预处理 对实验中采集的各种场景下的三维振动信号 只选取 Z 轴振动信号进行分段和滤波处理；实验 中为了确保数据的可靠稳定，在分类前将移动机 器人初始启动以及停止等时间段采集的振动信号 去掉，保留了 168 万个数据点，再将其数据信号分 割成段，然后通过截止频率为 10 Hz 的高通滤波 器去除采集的 Z 轴振动信号中因重力和加速度计 漂移导致的干扰噪声，得到 14 种地貌的样本数据 集，如图 6、7 所示为落叶土壤和粗石子对应的 10 种运动状况下的振动信号；将上述预处理后的所 有运动状态数据和交互振动数据共同构成地貌数 据库，每一运动状态分别与一交互振动数据相对应。 4 实验结果 4.1 识别结果 本文将所有的地貌类别采集的数据输入模型 中计算得到所有执行动作的表现。在经过每一次 实验之后，都替换新的识别目标和初始化动作以 进行新目标的实验测试。根据在模型中的每一种 类别识别得到的平均表现精度作为最终结果。同 时，也使用了顺序策略和随机策略实验与主动探 索方法相比较，其中随机策略是在每个识别类别 中都使用均匀概率的方式挑选下一个动作得到的 振动数据序列，而顺序策略是在每一个类别的实 验中均利用相同的顺序规则挑选下一个动作得到 的振动数据序列；和被动方法的实验结果相比， ·157· 张威，等：室外未知环境下的 AGV 地貌主动探索感知 第 1 期