人機協(xié)同下的道路檢測方法研究.pdf

1、基于視覺的道路檢測是地面無人車環(huán)境感知系統(tǒng)中的重要組成部分。目前大多數(shù)道路檢測算法是針對特定的道路場景事先采集訓練樣本進行訓練，當場景發(fā)生變化時，訓練得到的分類器便不再可靠。而在基于在線學習的道路檢測算法中，訓練樣本通常是從事先假設的有限安全采樣區(qū)域獲得，由此得到的標記樣本包含的道路信息可能并不全面甚至不夠準確，最終導致訓練得到的道路檢測模型也不夠完善，而此時圖像中仍有大量的含有豐富道路信息的未標記樣本未被利用。針對這一問題，本文從理論

2、和實踐兩個方面對人機協(xié)同下的道路檢測技術進行了深入研究，包括訓練樣本的在線選取與自動標記、基于半監(jiān)督學習和主動學習的道路檢測技術等。
　　論文完成的主要工作為：
　　1、提出了一種基于人機智能融合的訓練樣本在線標記方法。該方法通過人機交互方式引入人對道路環(huán)境的高層感知與決策信息，并結合車輛動力學模型預測出無人車的期望行駛軌跡，在此基礎上根據相應的準則在線選取并自動標記訓練樣本。該方法相對于傳統(tǒng)方法能夠在線選取更豐富可靠的訓練

3、樣本。
　　2、提出了一種結合半監(jiān)督學習和主動學習的在線道路檢測方法。該方法首先構建了基于混合高斯模型的道路檢測分類器，在此基礎上提出了一種基于半監(jiān)督學習的分類器參數(shù)估計算法，然后通過引入道路檢測結果評價準則對其進行判別，以決定是否采用主動學習機制進行分類器更新。該方法能夠充分利用未標記樣本信息，同時可根據主動學習樣本選取策略，有效地選取具有代表性的訓練樣本用于更新分類器，從而實現(xiàn)魯棒的道路檢測。
　　本文在新建立的數(shù)據庫上