一种基于高斯核支持向量机的非结构化道路环境植被检测方法

被引：23

作者：

周植宇 ^{[1
]}

杨明 ^{[1
]}

薛林继 ^{[1
]}

王春香 ^{[2
]}

王冰 ^{[1
]}

机构：

[1] 上海交通大学自动化系上海市北斗导航与位置服务重点实验室

[2] 上海交通大学机器人研究所

来源：

机器人 | 2015年 / 37卷 / 06期

关键词：

非结构化道路; 高斯核支持向量机(SVM); 超像素; 栅格概率滤波; 植被检测;

D O I：

暂无

中图分类号：

TP242 [机器人]; TP18 [人工智能理论];

学科分类号：

140102 [集成电路设计与设计自动化]; 140502 [人工智能];

摘要：

非结构化道路环境复杂多变,但是路两旁的植被较为显著,可用于限定路面的不可通行区域.在复杂的室外环境中,植被区域容易受到天气、阴影、路况等多种因素干扰而产生误检.为此本文提出了一种基于高斯核SVM(支持向量机)的植被检测方法,通过基于超像素的稀疏表示法来分析并学习样本多维色彩空间特征,进而构造分类准则有效获取植被信息,并采用栅格概率滤波来优化检测结果,提高检测精度.实验表明,该方法很好地解决了非结构化道路环境中的植被检测问题,对光照、路况等变化也具有较强的抗干扰能力,且具备较好的实时性和可靠性.在实际应用中,有效地限制了路面的不可通行区域,保障了移动智能机器人在复杂道路环境中的安全行驶区域.

引用

页码：702 / 707

页数：6