道路場(chǎng)景中的馬爾科夫隨機(jī)場(chǎng)方法研究.pdf

1、道路場(chǎng)景分割是機(jī)器人環(huán)境理解中十分關(guān)鍵的部分，傳統(tǒng)的道路場(chǎng)景分割算法對(duì)于不同的場(chǎng)景可能會(huì)產(chǎn)生誤分割的情況。如何能減少道路場(chǎng)景分割中的誤分割率，是道路場(chǎng)景分割所面臨的一個(gè)緊要問題。
　　 針對(duì)道路場(chǎng)景分割可能會(huì)使得不同環(huán)境下的道路產(chǎn)生誤分割的情況，本文對(duì)馬爾科夫隨機(jī)場(chǎng)方法進(jìn)行了研究:
　　 (1)研究了馬爾科夫隨機(jī)場(chǎng)方法及其相關(guān)理論，并應(yīng)用到道路場(chǎng)景分割中。使用ICM、模擬退火等方法對(duì)馬爾科夫隨機(jī)場(chǎng)中的能量進(jìn)行優(yōu)化，使道路

2、場(chǎng)景得到分割。
　　 (2)研究了灰度共生矩。結(jié)合馬爾科夫隨機(jī)場(chǎng)方法和灰度共生矩，對(duì)其中的能量函數(shù)進(jìn)行改進(jìn)。對(duì)于道路場(chǎng)景，使用馬爾科夫隨機(jī)場(chǎng)方法計(jì)算道路場(chǎng)景中的能量，并且通過修改馬爾科夫隨機(jī)場(chǎng)方法中的勢(shì)函數(shù)來改進(jìn)馬爾科夫隨機(jī)場(chǎng)方法中的能量。研究了粒子群算法的基本框架和原理，借助粒子群算法的基本框架，對(duì)于得到的道路場(chǎng)景能量信息，使用粒子群算法對(duì)其進(jìn)行優(yōu)化，從而得到道路場(chǎng)景分割結(jié)果。
　　 (3)研究了基于GraphCut道