基于機器學(xué)習(xí)的道路區(qū)域識別方法研究.pdf

1、道路區(qū)域識別是實現(xiàn)自動駕駛、自主導(dǎo)航等應(yīng)用系統(tǒng)的支撐技術(shù)之一，涉及機器視覺、模式識別、人工智能等許多學(xué)科領(lǐng)域，研究具有重要的學(xué)術(shù)意義和實用價值。
　　近年來，基于視覺信息的道路區(qū)域識別技術(shù)因其設(shè)備簡單、成本低廉等優(yōu)點獲得廣泛關(guān)注。但由于道路場景的復(fù)雜多樣性，以及視覺系統(tǒng)對于光照變化適應(yīng)性差等固有弱點，現(xiàn)階段基于視覺的道路區(qū)域檢測方法存在場景適應(yīng)性不強，光照魯棒性差等問題。
　　本文研究圍繞基于視覺信息的道路區(qū)域檢測方法展開，

2、將深度學(xué)習(xí)方法應(yīng)用到道路場景的特征提取環(huán)節(jié)，并結(jié)合引入了人工魚群算法進行參數(shù)優(yōu)化的監(jiān)督學(xué)習(xí)框架來實現(xiàn)道路區(qū)域的檢測。本文的研究嘗試了以下創(chuàng)新思路:
　　1、引入深度學(xué)習(xí)方法中的DBN模型進行圖像小窗口特征提取，區(qū)別于顏色、紋理等特征提取方法，此方法能夠在一定程度上避免特征選取的盲目性，提高算法穩(wěn)定輸出可靠結(jié)果的能力。
　　2、提出基于SVM后驗概率和Graph Cuts的道路區(qū)域識別方法。方法運用圖割的思想實現(xiàn)道路區(qū)域的提取