基于Boosting的智能车辆多类障碍物识别

被引：8

作者：

沈志熙

黄席樾

杨镇宇

韦金明

机构：

[1] 重庆大学自动化学院

来源：

计算机工程 | 2009年 / 35卷 / 14期

关键词：

智能车辆; 障碍物识别; 支持向量机; 集成学习; Boosting算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP274 [数据处理、数据处理系统];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0804 ; 080401 ; 080402 ; 081002 ;

摘要：

提出一种基于Boosting集成学习的二叉树支持向量机(BBT-SVM)。根据城区交通环境中各类障碍物的出现概率、模式间的类间差异,设计适用于智能车辆障碍物识别的SVM树型结构。对每个节点SVM分类器采用Boosting集成学习方法进行改进,减少差错积累误差,提高分类精度和泛化能力。实验结果表明,该方法能有效地对城区交通场景中6类常规障碍物模式进行实时在线识别。

引用

页码：241 / 242+246 +246

页数：3