基于視覺的非結(jié)構(gòu)化道路和地表識(shí)別方法研究.pdf

1、基于視覺的導(dǎo)航系統(tǒng)是模式識(shí)別、人工智能領(lǐng)域的研究熱點(diǎn)之一，主要應(yīng)用于自主移動(dòng)平臺(tái)的導(dǎo)航，如機(jī)器人、智能車輛等。其中，道路環(huán)境的理解是導(dǎo)航系統(tǒng)的關(guān)鍵技術(shù)之一，它為導(dǎo)航系統(tǒng)提供準(zhǔn)確的道路信息，包括道路方向以及道路位置。目前基于視覺的結(jié)構(gòu)化道路的研究相對比較成熟，這是因?yàn)榻Y(jié)構(gòu)化道路具有相對固定的特征，如行車線、行車標(biāo)志等，有助于建立統(tǒng)一的模型;而對于復(fù)雜環(huán)境下非結(jié)構(gòu)化道路，目前的研究還很不夠，由于復(fù)雜環(huán)境下的光照、路面、景物沒有規(guī)律可循，這就

2、增大了研究的難度。本文研究內(nèi)容主要分為三個(gè)部分:
　　1)采用基于紋理的消失點(diǎn)檢測算法分割道路中的可通行區(qū)域，根據(jù)Gabor濾波器多尺度多方向的特點(diǎn)，提取道路紋理方向，提出了一種快速的局部軟投票(Fast Local Adaptive Soft Voting，F(xiàn)LASV)算法，根據(jù)方向一致性比值(Orientation Consistency Ratio，OCR)分割道路的可通行區(qū)域。實(shí)驗(yàn)結(jié)果分析表明，該算法能夠很好的適應(yīng)復(fù)雜多變

3、的環(huán)境，具有較低的時(shí)間復(fù)雜度和較高的準(zhǔn)確性。
　　2)研究了紋理圖像彩色空間表示方法，重點(diǎn)研究了張量判別彩色空間(TDCS)模型，使用3階張量來描述紋理圖像，尋找適合紋理圖像的最優(yōu)彩色空間。研究了描述局部紋理特征的表示方法，包括LBP特征算子、HOG特征算子和SIFT特征算子，并從多特征融合的角度進(jìn)行了實(shí)驗(yàn)分析。
　　3)研究了基于特征型多平面支持向量機(jī)的分類方法，重點(diǎn)討論了常規(guī)正則化多平面分類方法(ReGEC)和多權(quán)向量投