無(wú)人車(chē)基于單目視覺(jué)的室外環(huán)境理解.pdf

1、無(wú)人駕駛智能車(chē)面向室外場(chǎng)景的自主環(huán)境理解是移動(dòng)機(jī)器人自主環(huán)境適應(yīng)領(lǐng)域的核心問(wèn)題，良好的室外環(huán)境理解能力對(duì)其完成自主行駛?cè)蝿?wù)至關(guān)重要。隨著計(jì)算機(jī)視覺(jué)技術(shù)的不斷發(fā)展和成熟，視覺(jué)系統(tǒng)對(duì)智能無(wú)人車(chē)室外環(huán)境理解的作用越來(lái)越顯著。室外環(huán)境復(fù)雜多變并且有效信息匱乏，因此找到一種通用的魯棒性高的環(huán)境理解方法頗具意義和挑戰(zhàn)。
　　本文設(shè)計(jì)了結(jié)合紋理和顏色信息的道路檢測(cè)方法。采用Gabor濾波計(jì)算像素點(diǎn)的紋理方向，并基于紋理方向投票得到道路的消失點(diǎn)。

2、通過(guò)消失點(diǎn)的約束并結(jié)合顏色信息檢測(cè)道路邊界，從而確定道路區(qū)域。此外還采用快速場(chǎng)景分割算法來(lái)初步估計(jì)可能的道路區(qū)域，從而避免了冗余信息的干擾。并采用Canny算子對(duì)投票像素點(diǎn)進(jìn)行精簡(jiǎn)，大大提高了算法的效率。該方法在自主研發(fā)的Smart-Cruiser無(wú)人車(chē)采集的DLUT數(shù)據(jù)庫(kù)上進(jìn)行測(cè)試，在魯棒性和實(shí)時(shí)性上都有很好的表現(xiàn)，證明該方法是一種通用的道路檢測(cè)方法。
　　本文針對(duì)更為復(fù)雜的室外場(chǎng)景，提出了一種基于條件隨機(jī)場(chǎng)的結(jié)合上下文信息的環(huán)