复杂地面车辙识别试验与验证

火星表面地形地貌复杂,为了保证火星车行驶安全,需要对巡视器周边土壤的图像信息进行判别和分类.首先,根据试验场地和图像信息等对图像进行预处理,建立鸟瞰图像.接着,以鸟瞰图像为基础建立图像块并建立数据集,建模集和预测集分别包含315组和135组数据.然后,在划分的数据集基础上建立神经网络模型,并对数据进行训练和分类.最后,根据得到的分类模型对图像进行分类,得到感兴趣区域.分类结果表明:应用ResNet50得到的模型其建模集和预测集的分类准确率分别为75.56％和81.48％.该方法可实现巡视器周边地表类型的分类,并提取图像的感兴趣区域,以便实现更为精准的判别,可用于实现火星车通过性感知、风险预测和路径规划,为未来智能星球车移动系统研制和探测提供理论和技术支持.