基于結(jié)構(gòu)信息的道路提取方法研究.pdf

1、道路提取是無人駕駛視覺導(dǎo)航中的一個關(guān)鍵技術(shù)。由視覺傳感器可以獲取豐富的環(huán)境信息，并且具有環(huán)境感知潛力大、成本低等優(yōu)勢，因而基于視覺的道路提取成為無人車領(lǐng)域的研究熱點。然而，真實的道路場景十分復(fù)雜，這使得基于視覺的道路提取成為一個非常具有挑戰(zhàn)性的問題。本文以無人駕駛汽車視覺導(dǎo)航為應(yīng)用背景，充分利用道路消失點、道路主邊沿、道路形狀、超像素塊等結(jié)構(gòu)信息，圍繞復(fù)雜場景下基于視覺的道路提取問題展開研究，完成的主要工作如下：
　　1、提出了一

2、種基于多種群遺傳算法（MPGA）的快速道路消失點提取方法。針對目前道路消失點提取算法運算速度較慢的問題，該方法使用基于多種群遺傳算法（MPGA）的候選消失點選擇策略，對候選消失點進行啟發(fā)式的搜索，大大減少了候選消失點投票值的計算次數(shù)，從而提高消失點的提取速度。同時，針對提高道路消失點提取精度問題，該方法將候選消失點和投票點之間的方向偏差信息和距離信息同時融入到消失點提取中，提高了消失點提取的精度，為后續(xù)的道路提取打下基礎(chǔ)；
　　2

3、、提出了一種適用于復(fù)雜道路場景的GrowCut種子點選擇算法。針對道路場景中出現(xiàn)的陰影和遮擋物影響道路分割的問題，該算法使用道路消失點信息劃分聚類區(qū)域，然后使用聚類算法在道路和背景區(qū)域自動選擇GrowCut種子點。該方法能夠自動避開道路中的遮擋物和顏色紋理差別較大的區(qū)域，為使用GrowCut進行道路提取打下基礎(chǔ)；
　　3、提出了基于GrowCut的道路提取方法。該方法在超像素層上使用GrowCut算法框架進行道路提取，同時，使用光

4、照不變特征和顏色特征來度量超像素之間的距離，提高了GrowCut算法在道路提取上的穩(wěn)定性；
　　4、提出了一種使用高層信息對道路區(qū)域進行優(yōu)化的方法。該方法在條件隨機場框架下同時引入了道路消失點和道路形狀先驗兩種高層信息，以引導(dǎo)道路提取按照正確的方向進行，并提高了道路提取的穩(wěn)定性。
　　為了驗證所提出算法，本文進行了大量的對比實驗評估了算法的平均性能、尺度不變性、噪聲敏感性和霧氣敏感性。實驗結(jié)果表明，本文所提出的道路提取方法具