面向道路场景理解的迭代图割算法

【摘要】：基于视觉的道路检测在自主车辆导航中起关键作用。当前大多数道路检测算法需要预先采集特定训练样本,而道路场景一旦发生变化,这些样本就不再可靠。因此,需要一种能够在线采样且鲁棒的道路检测算法来克服该问题。为了提高在线道路检测的鲁棒性,本文首先考察了车辆前方道路区域的形状特性,并提出了一种通用的道路形状先验。然后,通过将这种先验作为一种约束加入到图割框架中,使得检测到的道路区域呈道路形状。在此基础上,本文又提出了一种新的迭代图割算法,以实现对训练样本和道路形状信息的在线初始化和更新,从而完成鲁棒的在线道路检测。此外,通过利用迭代后得到的道路中轴,还可以同步地完成道路类型的识别,进而实现对道路场景的理解。本文在自己采集的数据库上进行了定性和定量的实验,验证了提出的算法的鲁棒性和高效性。本文相信,提出的道路形状先验同样可用于提升其它类型道路检测算法的性能。
【关键词】：道路分割 道路检测 道路形状 图割 道路类型识别
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP391.41