基于在線Adaboost集成學(xué)習(xí)算法的室外道路檢測(cè).pdf

1、道路區(qū)域的準(zhǔn)確感知是智能移動(dòng)機(jī)器人進(jìn)行室外工作非常重要的前提條件之一。一般來(lái)說(shuō)，道路可分為結(jié)構(gòu)化和非結(jié)構(gòu)化兩種。由于前者具有清晰的邊緣信息和人造車(chē)道標(biāo)記等原因，用于檢測(cè)結(jié)構(gòu)化道路的算法取得了不錯(cuò)的進(jìn)展，然而這些方法在非結(jié)構(gòu)化道路的檢測(cè)上并不適用。這主要是因?yàn)榉墙Y(jié)構(gòu)化道路具有以下特點(diǎn)：如模糊的道路邊界，各種道路類(lèi)型，粗糙的路面和成像條件（不斷變化的照明和天氣條件能夠使相同的場(chǎng)景變成各種不同的顏色和紋理信息）等，這些原因使得非結(jié)構(gòu)化道路的檢

2、測(cè)具有更大的難度和更高的挑戰(zhàn)。
　　針對(duì)上述問(wèn)題，本文提出了一種基于在線學(xué)習(xí)的室外道路檢測(cè)方法。要完成復(fù)雜場(chǎng)景下的道路檢測(cè)任務(wù)，關(guān)鍵是要設(shè)計(jì)一個(gè)能夠適應(yīng)道路多變的學(xué)習(xí)算法，本文所提出算法生成的在線分類(lèi)器能夠適應(yīng)道路的變化，在路況發(fā)生變化的時(shí)候能夠及時(shí)地更新分類(lèi)器的訓(xùn)練樣本從保證了分類(lèi)器的適應(yīng)性。本方法的核心思想是通過(guò)構(gòu)建一個(gè)離線的道路樣本集，在道路檢測(cè)的過(guò)程中計(jì)算相鄰圖像的相似度，根據(jù)相似度計(jì)算結(jié)果判斷是否更新在線樣本池中的正樣本

3、，其中在線樣本池是用來(lái)訓(xùn)練每次更新的分類(lèi)器，正樣本更新來(lái)源就是所構(gòu)建的離線道路樣本集。為了保證算法的準(zhǔn)確率和實(shí)效性，本文中采用了Adaboost集成學(xué)習(xí)算法，弱分類(lèi)器選用的為樸素貝葉斯分類(lèi)器，相似度計(jì)算部分用到的是基于顏色直方圖的巴氏距離相似度計(jì)算方法。
　　本文通過(guò)實(shí)驗(yàn)室自己構(gòu)建的 DLUT圖像數(shù)據(jù)集和 Sowerby公共圖像數(shù)據(jù)集對(duì)算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果和數(shù)據(jù)表明本文所提出的算法有很高的檢測(cè)精度和實(shí)用性?？紤]到大多數(shù)的移