第1期 辛菁，等：基于迁移学习的移动机器人单帧图像坡度检测算法 ·89· 边缘提取和深度估计的实验结果分别如图8 移动机器人坡度检测中，对于不同倾角和不同视 (b)~(d)、()(h)所示，其量化估计结果如表4所 角下的斜坡均能得到更加准确的坡度检测结果， 示。由图8和表4结果所示，将本文所提出的基 大大提高了移动机器人在未知环境中感知坡度的 于迁移学习的室外单帧图像深度估计方法应用于 精确度。 (a)斜坡1 (b)边缘提 (C)DCNF-FCSPm2(d)本文深度 (e)斜坡1 (O边缘提(g)DCNF-FCSp四本文深度 RGB图像1 取结果 估计结果 RGB图像2 取结果 估计结果 图8室外斜坡边缘提取结果与深度估计结果蓝色：近；红色：远) Fig.8 Outdoor slope edge extraction results and depth estimation results(blue:close;red:far) 表4室外斜坡角度估计结果对比 Table 4 Comparison of outdoor slope angle estimation results 基于DCNF-FCSPl2 基于本文方法 场景 真实角度() 预测角度/() 绝对误差/() 相对误差% 预测角度/() 绝对误差() 相对误差% 10.5920 2.6695 20.13 10.9247 2.3368 17.62 2 18.1446 4.8831 36.82 15.2941 2.0326 15.33 3 13.2615 10.0462 3.2153 24.25 10.8929 2.3686 17.86 4 15.1603 1.8988 14.32 11.4789 1.7826 13.44 5 16.4518 3.1903 24.06 16.0326 2.7711 20.90 6 13.5225 3.6843 37.45 10.9825 1.1443 14.67 12.1817 2.3435 23.82 11.6227 1.7845 18.14 8 9.8382 12.2018 2.3636 24.02 11.8937 2.0555 20.89 9 12.3618 2.5236 25.65 11.8244 1.9862 20.19 10 12.8103 2.9721 30.21 11.9170 2.0788 21.12 误差均值 2.9744 26.07 2.0341 18.02 4结束语 像深度估计方法，通过将室内图像深度估计网络 参数迁移至室外图像深度估计网络中，对室外单 本文提出了一种基于迁移学习的室外单帧图 帧图像深度进行估计，解决了室外图像数据集有边缘提取和深度估计的实验结果分别如 图 8 (b)~(d)、(f)~(h) 所示，其量化估计结果如表 4 所 示。由图 8 和表 4 结果所示，将本文所提出的基 于迁移学习的室外单帧图像深度估计方法应用于 移动机器人坡度检测中，对于不同倾角和不同视 角下的斜坡均能得到更加准确的坡度检测结果， 大大提高了移动机器人在未知环境中感知坡度的 精确度。 (a) 斜坡 1 RGB 图像 1 (b) 边缘提 取结果 (c) DCNF-FCSP[12] (d) 本文深度 估计结果 (e) 斜坡 1 RGB 图像 2 (f) 边缘提 取结果 (g) DCNF-FCSP[12] (h) 本文深度 估计结果 图 8 室外斜坡边缘提取结果与深度估计结果 (蓝色：近；红色：远) Fig. 8 Outdoor slope edge extraction results and depth estimation results (blue: close; red: far) 表 4 室外斜坡角度估计结果对比 Table 4 Comparison of outdoor slope angle estimation results 场景 真实角度/(°) 基于DCNF-FCSP[12] 基于本文方法 预测角度/(°) 绝对误差/(°) 相对误差/% 预测角度/(°) 绝对误差/(°) 相对误差/% 1 — 10.592 0 2.669 5 20.13 10.924 7 2.336 8 17.62 2 — 18.144 6 4.883 1 36.82 15.294 1 2.032 6 15.33 3 13.261 5 10.046 2 3.215 3 24.25 10.892 9 2.368 6 17.86 4 — 15.160 3 1.898 8 14.32 11.478 9 1.782 6 13.44 5 — 16.451 8 3.190 3 24.06 16.032 6 2.771 1 20.90 6 — 13.522 5 3.684 3 37.45 10.982 5 1.144 3 14.67 7 — 12.181 7 2.343 5 23.82 11.622 7 1.784 5 18.14 8 9.838 2 12.201 8 2.363 6 24.02 11.893 7 2.055 5 20.89 9 — 12.361 8 2.523 6 25.65 11.824 4 1.986 2 20.19 10 — 12.810 3 2.972 1 30.21 11.917 0 2.078 8 21.12 误差均值 — — 2.974 4 26.07 — 2.034 1 18.02 4 结束语 本文提出了一种基于迁移学习的室外单帧图 像深度估计方法，通过将室内图像深度估计网络 参数迁移至室外图像深度估计网络中，对室外单 帧图像深度进行估计，解决了室外图像数据集有 第 1 期 辛菁，等：基于迁移学习的移动机器人单帧图像坡度检测算法 ·89·