基于梯形模型及支撐向量機(jī)的非結(jié)構(gòu)化道路檢測(cè).pdf

1、智能車(chē)輛的自主導(dǎo)航系統(tǒng),是一個(gè)集視頻采集、道路檢測(cè)、輔助駕駛等多種技術(shù)于一體的綜合系統(tǒng)。其中,道路檢測(cè)是自主導(dǎo)航系統(tǒng)的關(guān)鍵技術(shù)之一,采集的視頻圖像是自主導(dǎo)航系統(tǒng)感知外界環(huán)境進(jìn)行道路檢測(cè)的重要來(lái)源。本文主要針對(duì)車(chē)輛行駛過(guò)程中采集到的視頻進(jìn)行道路檢測(cè)。
　　實(shí)際的道路往往可以分為結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路兩種。結(jié)構(gòu)化道路具有明顯車(chē)道線(xiàn)和邊界,可根據(jù)車(chē)道線(xiàn)或者道路邊界來(lái)識(shí)別;非結(jié)構(gòu)化道路一般無(wú)車(chē)道線(xiàn)或者邊界線(xiàn)不清晰,又因陰影或水跡的影響,

2、識(shí)別起來(lái)比結(jié)構(gòu)化道路困難。本文主要對(duì)非結(jié)構(gòu)化道路進(jìn)行道路檢測(cè)。支撐向量機(jī)(SVM-SupportVectorMachine)是目前理論上最好的分類(lèi)器,本文在H.Jeong等提出的梯形模型的方法[1]的基礎(chǔ)上,采用SVM進(jìn)行道路檢測(cè)。主要工作有以下幾個(gè)部分組成:
　　1.提出了基于梯形模型和支撐向量機(jī)的道路檢測(cè)方法。算法先對(duì)視頻中提取的圖像幀進(jìn)行預(yù)處理——用PCNN(PulseCoupledNeuralNetwork)陰影去除方法消

3、除道路上的陰影,然后用卡爾曼濾波及EM(ExpectationMaximization)算法進(jìn)行處理,接著用SVM得到道路的檢測(cè)結(jié)果,再進(jìn)行后期處理,最終得到道路的邊緣,從而實(shí)現(xiàn)了道路邊緣的檢測(cè)。實(shí)驗(yàn)表明,本部分的方法比H.Jeong等提出的基于梯形模型及BP(Back-Propagation)網(wǎng)絡(luò)的方法達(dá)到了更好的道路檢測(cè)效果。
　　2.針對(duì)不同特征的道路,提出了一種采用模糊支撐向量機(jī)的面向模型的道路檢測(cè)方法,即基于梯形模型和模

4、糊支撐向量機(jī)(FSVM)的方法,進(jìn)一步將非結(jié)構(gòu)化道路簡(jiǎn)單的分為直道和彎道,設(shè)計(jì)出相應(yīng)的最優(yōu)分界面——不同的支持向量機(jī)。然后,根據(jù)隸屬度函數(shù)選擇進(jìn)入相應(yīng)的支撐向量機(jī)進(jìn)行道路檢測(cè)。實(shí)驗(yàn)表明,本部分方法的道路檢測(cè)效果比第一部分有所改進(jìn),同時(shí),對(duì)不同道路具有更好的泛化特性。
　　3.針對(duì)基于梯形模型和FSVM的方法涵蓋的非結(jié)構(gòu)化道路有限、且易出現(xiàn)誤判的情況,提出了基于梯形模型和Ada-SVM的道路檢測(cè)方法。Ada-SVM算法通過(guò)使用變化著