基于機(jī)器視覺的路面濕滑狀況判別研究.pdf

1、不利天氣下濕滑道路極大地影響道路交通安全和運(yùn)輸效率，而獲取道路濕滑狀況信息是不利天氣下道路交通安全預(yù)警與控制的基礎(chǔ)，因此探索高效的道路濕滑狀況判別技術(shù)對(duì)保障不利天氣下道路安全具有重要意義。目前，常用的路面狀況判別手段為人工或運(yùn)用路面?zhèn)鞲衅鳈z測(cè)。由于人工檢測(cè)主觀性強(qiáng)、勞動(dòng)量大以及路面?zhèn)鞲衅魇褂镁S護(hù)不便利、價(jià)格高，運(yùn)用圖像模式識(shí)別技術(shù)進(jìn)行濕滑路面判別已成為不利天氣下道路交通安全保障技術(shù)研究熱點(diǎn)。 路面濕滑狀況種類繁多，路面濕滑狀況圖

2、像內(nèi)容復(fù)雜，路面不具有明顯的形狀和顏色特征，樣本數(shù)目的限制等一系列因素，導(dǎo)致分類準(zhǔn)確性與泛化能力低。因此，如何提取并約簡(jiǎn)路面圖像空域與頻域圖像特征，如何利用有限的樣本設(shè)計(jì)高效、泛化性好的路況圖像識(shí)別分類器是當(dāng)前研究的核心問(wèn)題。針對(duì)上述存在的問(wèn)題，本文提出路面濕滑狀況判別實(shí)驗(yàn)系統(tǒng)方案，并通過(guò)圖像分析和特征選擇并優(yōu)化特征向量，同時(shí)運(yùn)用目前分類性能較優(yōu)的支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)思想設(shè)計(jì)分類器。本文通過(guò)實(shí)驗(yàn)過(guò)程和結(jié)果對(duì)分類器的穩(wěn)定性、分類效率、分類

3、準(zhǔn)確性以及泛化能力進(jìn)行評(píng)估，分析分類器的優(yōu)劣及其性能改善方法，為下一步研究如何選取并改善分類器從而為道路濕滑狀況判別的實(shí)用化提供理論基礎(chǔ)。 路面濕滑狀況判別分為兩步，即特征選擇和分類器設(shè)計(jì)。 特征選擇是路面濕滑狀況判別的基礎(chǔ)。首先對(duì)路況圖像樣本進(jìn)行預(yù)處理，包括圖像灰度化、圖像去噪、圖像幾何校正和圖像分割；其次用基于內(nèi)容的特征提取方法選擇路況圖像樣本的灰度特征、結(jié)構(gòu)特征和紋理特征，并通過(guò)離線方式用Tabu搜索和主成分分析法

4、（PCA）提取有效特征并降維，同時(shí)運(yùn)用基于類內(nèi)類間距離的可分性判據(jù)選取最有效的低維特征。路況圖像樣本特征分析表明：灰度方差值、2階hu不變矩、灰度共生矩陣特征、功率譜特征和Gabor紋理特征組成的特征矢量是最優(yōu)特征解。 分類器設(shè)計(jì)是路面濕滑狀況判別的核心。鑒于路況復(fù)雜很難窮盡路面圖像，且路面圖像分類也是一種非線性的模式識(shí)別問(wèn)題，本文運(yùn)用支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)進(jìn)行分類器設(shè)計(jì)研究。由于支持向量機(jī)分類器在小樣本、非線性及高維模式識(shí)別問(wèn)題

5、上表現(xiàn)出許多特別的優(yōu)勢(shì)，實(shí)驗(yàn)中通過(guò)One—Agains—All（OAO）、One—Agains-One（OAA）和Binary-classSVM（BSVM）算法分別用線性內(nèi)核函數(shù)、多項(xiàng)式內(nèi)核函數(shù)、徑向基函數(shù)內(nèi)核函數(shù)、Sigmoid內(nèi)核函數(shù)對(duì)8種不同濕滑狀況的路面進(jìn)行分類研究。同時(shí)考慮到徑向基神經(jīng)網(wǎng)絡(luò)（RBFNN）學(xué)習(xí)速度快，網(wǎng)絡(luò)函數(shù)的逼近能力較強(qiáng)，而徑向基概率神經(jīng)網(wǎng)絡(luò)（PNN）收斂于一個(gè)貝葉斯分類器，泛化性能好，因此實(shí)驗(yàn)中選取RBF和P

6、NN作為神經(jīng)網(wǎng)絡(luò)分類器。濕滑道路圖像判別實(shí)驗(yàn)結(jié)果表明：在多特征輸入多類輸出的分類器設(shè)計(jì)中（本實(shí)驗(yàn)是2個(gè)主成分特征輸入，8類結(jié)果輸出），運(yùn)用以上兩種分類器進(jìn)行濕滑路面判別正確率在70％～80％。SVM的分類正確率在70％～75％左右，并且很大程度上樣本的質(zhì)量和數(shù)量決定了SVM的性能，其核函數(shù)對(duì)分類性能的影響較弱。PNN的整體性能較優(yōu)，其泛化性能力和分類準(zhǔn)確率占有較大優(yōu)勢(shì)，分類正確率為75％～80％。而RBF網(wǎng)絡(luò)雖然訓(xùn)練誤差小，但是其分類準(zhǔn)