基于SVM的道路場景分割技術(shù)研究.pdf

1、地面智能機器人是一種可以脫離人的直接控制在地面實時地自主運行的機器人。對地面智能機器人的研究關(guān)注的主要問題是自主導(dǎo)航，而自主導(dǎo)航的關(guān)鍵技術(shù)是道路場景分割。地面智能機器人主要是根據(jù)視覺信息對其運動的環(huán)境進(jìn)行理解，通過視覺傳感器獲取道路場景圖像，對道路場景圖像進(jìn)行分割，識別出道路區(qū)域。在室外非結(jié)構(gòu)化道路環(huán)境中，由于存在天氣變化、光線強弱等復(fù)雜性因素，給獲取的道路圖像分割帶來了困難，不利于機器人自主導(dǎo)航。如何提取穩(wěn)定的具有高區(qū)分性的特征描述復(fù)

2、雜多變的環(huán)境，如何對復(fù)雜的道路場景進(jìn)行高效分割，是對地面智能機器人自主導(dǎo)航研究的主要內(nèi)容。
　　本文針對地面智能機器人自主導(dǎo)航中的道路場景分割技術(shù)進(jìn)行了深入研究，其主要內(nèi)容如下:
　　(1)研究了道路場景圖像分割原理，支持向量機原理及其相關(guān)理論，并研究了基于b-BTSVM的道路場景圖像分割方法。
　　(2)研究了基于b-BTSVM和超像素的陰影道路場景分割方法，利用SLICSuperpixel(simplelinear

3、iterativeclusteringsuperpixel)算法和K-means聚類算法依據(jù)像素點的灰度特征和位置信息，將場景圖像劃分成大小不等的超像素，超像素范圍內(nèi)的像素點具有同等的光照條件，且具有同質(zhì)性。本文還提出一種適合在超像素范圍內(nèi)提取特征的窗口定位方法。采用對光照變化不敏感的LBP算法計算超像素的紋理特征，并同時結(jié)合對光照不敏感的HSV顏色空間特征組合成高維特征向量。使用b-BTSVM對圖像中各類目標(biāo)進(jìn)行學(xué)習(xí)，構(gòu)建分類決策面。

4、在檢測階段，用同樣的方法將場景圖像劃分成若干超像素，并提取一致的高維特征，用已有決策面進(jìn)行檢測，判別超像素所在的場景區(qū)域是否為道路區(qū)域。
　　(3)研究了基于b-BTSVM的在線道路場景分割方法，首先使用K-means聚類算法對第一幅道路圖像做初始化分割，并從其初始分割后的各類別區(qū)域中分別選取一定數(shù)量的樣本作為訓(xùn)練集;然后使用b-BTSVM學(xué)習(xí)訓(xùn)練集計算出分類決策面，用于下一幅道路圖像的檢測;最后使用在線學(xué)習(xí)方法更新訓(xùn)練集，重新計