摘要: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。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社