【出 处】：《 计算机仿真 》 CSCD 2016年第0卷第1期 353-356页,共4页

【作 者】： 裴志松 ; 时兵

【摘 要】 由于智能机器人视觉系统具有非线性、时变性与强耦合性特点．引起机器人视觉避障识别率降低。且感知环境较为复杂，采用传统的方法进行障碍识别，容易发生识别错误的现象，识别效果较差。为解决上述问题，提出改进支持向量机算法的智能机器人视觉障碍识别方法。针对视觉系统采集到的原始障碍图像的噪声信息。进行中值滤波，在去除噪声的同时最大化保证了细节的完整性，依据SIFT算法理论，通过搜索空间极值点，抽取空间位置、尺度与旋转不变量，完成障碍图像的特征提取，根据改进支持向量机算法对图像特征进行分类．从而实现对视觉障碍的有效识别。实验结果表明，采用改进算法进行智能机器人视觉障碍识别，能够提高智能机器人的视觉感知能力，提高障碍识别的准确性，从而满足了智能机器人工作的实际需求。