无人装备野外场景自适应道路识别技术
为实现无人装备在野外复杂环境下,对非结构化道路进行精准高效识别,提出了一种野外场景自适应道路识别算法.该算法加入新的自适应预处理算法,对野外环境图像进行类别划分,对不同类型图像进行针对性预处理;将图像从像素级划分成区域级,划分为同质的超像素块,通过提取、融合超像素块区分度高的颜色、纹理、位置、形状特征,构造新的具有更高区分度的超像素块综合特征向量;通过动态选取道路标识样本,改进了传统拉普拉斯支持向量机算法,利用改进后的算法学习和训练出了超像素块分类器,成功实现了野外复杂场景下道路的精准高效识别.指定数据库检测结果表明,道路识别精度达91.9%,具有较高的道路检测精度和较好的实时性,能够实现对野外非结构化道路精准有效识别.
非结构化道路、自适应、多特征、超像素、支持向量机、机器自学习
39
TP391.41(计算技术、计算机技术)
2018-12-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
165-170