基于SVM和SURF的無人駕駛車野外水體檢測與跟蹤.pdf

1、無人駕駛車(UGV)是在無駕駛員參與的情況下，自主獲取環(huán)境信息識別可行駛區(qū)域并規(guī)劃最優(yōu)路線的一類典型的智能移動機器人，無人駕駛技術融合了多門學科尖端科技，綜合利用各種傳感器、數(shù)據(jù)處理和動作執(zhí)行系統(tǒng)。環(huán)境感知系統(tǒng)作為整個無人駕駛系統(tǒng)的前端，負責獲取并處理環(huán)境信息的任務，其性能優(yōu)劣直接影響著無人駕駛車能否完成自主行駛任務。
　　障礙物檢測是環(huán)境感知系統(tǒng)中的重要一環(huán)，而非結構化環(huán)境中障礙物種類多樣和形態(tài)多變都為UGV障礙物檢測系統(tǒng)提出了

2、較高的要求。本文針對野外環(huán)境下水體障礙物檢測與跟蹤這一較新領域展開研究，從被動傳感器采集的視覺信息中發(fā)掘水體區(qū)域存在的顯著特征，并加入機器學習算法使其具有更好的推廣能力，最終提出一種基于SVM和SURF的水體障礙物檢測和跟蹤方法。具體包括以下內容:
　　(1)針對亮度單一特征檢測水體障礙物提取水體區(qū)域不準確的問題，提出將轉化至HSV空間后提取到的S/V顏色特征與從灰度共生矩陣中提取到的能量、熵、慣性矩，相關性結合，共同形成水體顏色

3、和紋理特征的描述水體區(qū)域進行檢測的方法。
　　(2)水體和地表顏色和紋理單個特征分布存在較為明顯的界限，對統(tǒng)計特征加以學習，使其能夠適應更復雜的環(huán)境。支持向量機(SVM)以統(tǒng)計學習理論為基礎，在解決小樣本和非線性問題時性能優(yōu)異。本文在統(tǒng)計大量水體障礙物顏色和紋理特征的基礎上，針對本文實際問題采用SVM分類器。通過實驗選擇RBF核函數(shù)和采樣窗口尺寸，并優(yōu)化RBF核函數(shù)參數(shù)提高分類器非線性問題解決能力，提高了水體障礙物檢測能力。

4、>　　(3)在水體障礙物跟蹤方面，本文采用基于SURF特征匹配的方法跟蹤水體區(qū)域的顯著特征，利用SURF特征點匹配研究相鄰幀特征點移動特性和尺度變化。通過大量實驗數(shù)據(jù)，擬合出尺度變化系數(shù)與目標窗口尺寸變化系數(shù)的函數(shù)關系從而對窗口位置和尺度實時更新，實驗表明:SURF算法能較好的對抗車輛前進的過程中水體障礙物區(qū)域尺度變換和仿射變換對跟蹤的不良影響，較SIFT算法在算法執(zhí)行時間上有了較大提升。
　　(4)最后根據(jù)前面實驗研究結果，將S