Mô hình gọn nhẹ phân loại địa hình đạt độ chính xác 97,37%
Một phương pháp phân loại địa hình bằng cảm biến quán tính đạt độ chính xác 97,37% trên sáu loại bề mặt.
Cách tiếp cận này dùng dữ liệu chuỗi thời gian từ nhiều cảm biến quán tính gắn trên robot để nhận biết môi trường di chuyển. Sáu nhóm địa hình được thử nghiệm gồm bê tông, cỏ, sỏi, cát, đá lát và đường chạy tổng hợp.
Điểm đáng chú ý nằm ở cách xử lý dữ liệu trước khi đưa vào bộ phân loại. Dữ liệu ban đầu ở hệ tọa độ Descartes được chuyển sang hệ trụ và hệ cầu, sau đó được hợp nhất để tạo tập đặc trưng phong phú hơn.
Để giảm khối lượng tính toán, phương pháp chỉ lấy giá trị trung bình của từng đặc trưng trong khoảng thời gian đo. Trước bước phân loại, tập dữ liệu nguồn mở cũng được tăng cường dữ liệu nhằm mở rộng số mẫu huấn luyện.
Khi kiểm thử với bộ phân loại Weighted Ensemble, mô hình đạt độ chính xác 97,37%. Kết quả cho thấy việc kết hợp nhiều hệ tọa độ có thể cải thiện khả năng nhận diện địa hình mà vẫn giữ yêu cầu tính toán ở mức thấp, mở ra hướng triển khai thực tế hơn cho robot di động hoạt động ngoài môi trường phức tạp.