基于机器学习的道路区域识别方法研究

发布时间：2017-04-07 17:06

  本文关键词：基于机器学习的道路区域识别方法研究，由笔耕文化传播整理发布。

【摘要】：道路区域识别是实现自动驾驶、自主导航等应用系统的支撑技术之一,涉及机器视觉、模式识别、人工智能等许多学科领域,研究具有重要的学术意义和实用价值。近年来,基于视觉信息的道路区域识别技术因其设备简单、成本低廉等优点获得广泛关注。但由于道路场景的复杂多样性,以及视觉系统对于光照变化适应性差等固有弱点,现阶段基于视觉的道路区域检测方法存在场景适应性不强,光照鲁棒性差等问题。本文研究围绕基于视觉信息的道路区域检测方法展开,将深度学习方法应用到道路场景的特征提取环节,并结合引入了人工鱼群算法进行参数优化的监督学习框架来实现道路区域的检测。本文的研究尝试了以下创新思路：1、引入深度学习方法中的DBN模型进行图像小窗口特征提取,区别于颜色、纹理等特征提取方法,此方法能够在一定程度上避免特征选取的盲目性,提高算法稳定输出可靠结果的能力。2、提出基于SVM后验概率和Graph Cuts的道路区域识别方法。方法运用图割的思想实现道路区域的提取过程,能够在充分利用分类器输出的后验概率信息的基础上,提高输出结果的稳定性。在研究了训练数据在线更新策略的基础上,将本文提出的方法在多个由连续帧组成的数据集上进行了实验,结果表明算法具有良好的通用性和鲁棒性,能够在多种复杂的场景下得到令人满意的结果。
【关键词】：道路区域识别 深度学习 SVM Graph Cuts 在线更新 鲁棒性
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP181
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-19
• 1.1 研究背景和意义9-10
• 1.2 国内外研究现状10-16
• 1.2.1 基于视觉的道路区域检测系统10-14
• 1.2.2 使用多种传感器的道路区域检测14-16
• 1.3 本文思路及创新16-18
• 1.4 章节安排18-19
• 第二章 道路场景的特征提取19-35
• 2.1 颜色和纹理特征19-23
• 2.2 深度学习特征23-31
• 2.2.1 限制玻尔兹曼机24-29
• 2.2.2 深度信念网络29-30
• 2.2.3 使用DBN网络提取DL特征30-31
• 2.3 CLBP与DL特征的比较31-34
• 2.4 本章小结34-35
• 第三章 训练与分类35-63
• 3.1 支持向量机35-40
• 3.1.1 SVM的实现方法35-37
• 3.1.2 核函数与正则化37-40
• 3.2 参数优化的必要性与优化方法40-46
• 3.2.1 参数C和γ的理解40-43
• 3.2.2 人工鱼群算法43-46
• 3.3 基于SVM和参数寻优的道路区域识别46-56
• 3.3.1 基于小窗口的道路区域/其他区域分类47-48
• 3.3.2 道路区域滤波48-50
• 3.3.3 验证实验50-56
• 3.4 基于分类后验概率和Graph Cuts的道路区域提取56-62
• 3.4.1 SVM的后验概率56-57
• 3.4.2 Graph Cuts的基本思想57-59
• 3.4.3 可行性分析59-62
• 3.5 本章小结62-63
• 第四章 在线更新策略与实验分析63-82
• 4.1 更新的必要性与方法探究63-66
• 4.2 道路分布的假设模型66-71
• 4.3 实验和分析71-81
• 4.3.1 数据集71-73
• 4.3.2 算法的评价标准73-74
• 4.3.3 效果评定实验74-81
• 4.4 本章小结81-82
• 第五章 总结与展望82-84
• 5.1 总结82-83
• 5.2 展望83-84
• 参考文献84-88
• 致谢88-89
• 作者简历89

【参考文献】

中国期刊全文数据库 前3条

1 吴刚;唐振民;程勇;朱峰;魏利华;;灰度共生矩阵纹理特征的运动目标跟踪方法[J];南京理工大学学报(自然科学版);2010年04期

2 刘志强;温华;;基于单目视觉的车辆碰撞预警系统[J];计算机应用;2007年08期

3 李晓磊,路飞,田国会,钱积新;组合优化问题的人工鱼群算法应用[J];山东大学学报(工学版);2004年05期

中国硕士学位论文全文数据库 前2条

1 陈斐;改进的人工鱼群算法分析与研究[D];西安电子科技大学;2012年

2 廖传锦;基于多线程模式的汽车智能辅助驾驶系统研究[D];重庆大学;2002年

  本文关键词：基于机器学习的道路区域识别方法研究，，由笔耕文化传播整理发布。

本文编号：290897