[发明专利]一种基于车载单目视觉室外道路自适应分类器生成方法

摘要

本发明属于机器人自主环境感知技术领域，公开了一种车载单目视觉室外道路自适应分类器生成方法。本发明引入样本池工具，样本池的组成为不同道路特征，通过相邻图像的相似度匹配，实现了室外道路识别分类器的自适应生成。主要通过提取相邻图像的特征，然后通过计算相邻图像的特征相似度作为场景发生突变的依据。当相似度小时，分类器更新依据前一个分类器的识别结果；当相似度大时，分类器的更新依据与样本池的匹配结果；本发明生成的分类器能够很好地适应天气、季节、光线等因变化准确地识别出道路，解决了对大量训练样本和其他传感器的依赖性问题，具有更好的适应性，可以为无人车的行驶提供准确的辅助信息。

主权项

一种基于车载单目视觉室外道路自适应分类器生成方法，其特征在于，包括如下步骤：1)构建样本池样本池是一个m*n的特征向量；其中m为样本池中所含有的不同形态道路的种类，n为每种道路的特征维度；2)计算相邻图像相似度首先提取相邻图像的颜色直方图：H(P)＝[h(x1),h(x2),...h(xi)]       (1)h(xi)=S(xi)ΣjS(xj)---(2)]]>其中，S(xi)为第i种颜色在图像中出现的个数，S(xj)为总的像素点个数；计算相邻图像颜色直方图的相似度，根据计算值判断相邻图像是否相似；3)分割图像与提取图像特征步骤2)完成之后，首先对图像做超像素分割，然后提取每一个超像素块的图像特征，用于下一步分类器的训练以及道路识别；4)训练分类器根据步骤2)的计算结果，在步骤3)的基础上进行分类器的训练；当步骤2)的结果为相似时：更新分类器的训练样本为前一个分类的识别结果；当步骤2)结果为不相似时：更新分类器的训练样本为与步骤1)所构建本池的匹配结果；根据每个超像素块的特征及其属性标签，采用boosting算法训练若干个弱分类器，并且把这些弱分类器集合起来，构造一个更强的最终分类器：G(x)=sign(Σm=1MαmGm(x))---(3)]]>其中，Gm(x)为每个弱分类器，αm为每个弱分类器的权重，m为迭代次数即弱分类的器个数。