本發(fā)明公開了一種基于SVM與強(qiáng)化學(xué)習(xí)的室內(nèi)場(chǎng)景識(shí)別方法，該方法包括以下步驟：(1)室內(nèi)場(chǎng)景采集數(shù)據(jù)，訓(xùn)練一個(gè)能夠進(jìn)行室內(nèi)場(chǎng)景分類的SVM分類器N_s；(2)進(jìn)行多次室內(nèi)場(chǎng)景主動(dòng)識(shí)別實(shí)驗(yàn)，在實(shí)驗(yàn)過程中，訓(xùn)練一個(gè)擬合強(qiáng)化學(xué)習(xí)值函數(shù)的強(qiáng)化學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，將該網(wǎng)絡(luò)命名為決策網(wǎng)絡(luò)N_Q，決策網(wǎng)絡(luò)N_Q通過N_s判別分類結(jié)果優(yōu)劣；(3)完成決策網(wǎng)絡(luò)N_Q的訓(xùn)練后，采用決策網(wǎng)絡(luò)N_Q根據(jù)激光測(cè)距傳感器當(dāng)前獲取的房間激光測(cè)距信息，對(duì)機(jī)器人動(dòng)作做出決策并執(zhí)行動(dòng)作，執(zhí)行動(dòng)作后再次采集激光測(cè)距傳感器信息輸入到N_Q中，如此重復(fù)三次，將三次所得結(jié)果進(jìn)行融合得到最終分類結(jié)果。該方法將激光測(cè)距信息轉(zhuǎn)化為場(chǎng)景輪廓圖環(huán)投影信息用SVM進(jìn)行場(chǎng)景識(shí)別，減少了運(yùn)算量，提高場(chǎng)景識(shí)別正確率。