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(wú)人駕駛視覺(jué)導(dǎo)航中的一個(gè)關(guān)鍵技術(shù)。由視覺(jué)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(shì)，因而基于視覺(jué)的道路提取成為無(wú)人車(chē)領(lǐng)域的研究熱點(diǎn)。然而，真實(shí)的道路場(chǎng)景十分復(fù)雜，這使得基于視覺(jué)的道路提取成為一個(gè)非常具有挑戰(zhàn)性的問(wèn)題。本文以無(wú)人駕駛汽車(chē)視覺(jué)導(dǎo)航為應(yīng)用背景，充分利用道路消失點(diǎn)、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(chǎng)景下基于視覺(jué)的道路提取問(wèn)題展開(kāi)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(diǎn)提取方法。針對(duì)目前道路消失點(diǎn)提取算法運(yùn)算速度較慢的問(wèn)題，該方法使用基于多種群遺傳算法（MPGA）的候選消失點(diǎn)選擇策略，對(duì)候選消失點(diǎn)進(jìn)行啟發(fā)式的搜索，大大減少了候選消失點(diǎn)投票值的計(jì)算次數(shù)，從而提高消失點(diǎn)的提取速度。同時(shí)，針對(duì)提高道路消失點(diǎn)提取精度問(wèn)題，該方法將候選消失點(diǎn)和投票點(diǎn)之間的方向偏差信息和距離信息同時(shí)融入到消失點(diǎn)提取中，提高了消失點(diǎn)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(chǎng)景的GrowCut種子點(diǎn)選擇算法。針對(duì)道路場(chǎng)景中出現(xiàn)的陰影和遮擋物影響道路分割的問(wèn)題，該算法使用道路消失點(diǎn)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(dòng)選擇GrowCut種子點(diǎn)。該方法能夠自動(dòng)避開(kāi)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(jìn)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(jìn)行道路提取，同時(shí)，使用光

4、照不變特征和顏色特征來(lái)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(duì)道路區(qū)域進(jìn)行優(yōu)化的方法。該方法在條件隨機(jī)場(chǎng)框架下同時(shí)引入了道路消失點(diǎn)和道路形狀先驗(yàn)兩種高層信息，以引導(dǎo)道路提取按照正確的方向進(jìn)行，并提高了道路提取的穩(wěn)定性。
　　為了驗(yàn)證所提出算法，本文進(jìn)行了大量的對(duì)比實(shí)驗(yàn)評(píng)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(shí)驗(yàn)結(jié)果表明，本文所提出的道路提取方法具