基于棒状像素与随机森林的道路场景理解

本文针对棒状像素(Stixel)在表达障碍物时缺少语义信息的问题,提出了一种生成棒状像素级类别标签的方法。通过颜色、纹理和几何高度特征的联合,推断出像素级语义标签,即障碍物大类、植物与天空。将棒状像素位置信息融合至像素级语义图,用类别标签来优化每个棒状像素的顶点估计后,后以其内部像素的优势类来判定类别,得到语义棒状像素图。分类器选用能够快速推理且具抗过拟合能力的随机森林(RF)分类器。实验结果表明,本文提出的方法能够有效地对棒状像素进行语义表达,在一定程度上优化棒状像素在纹理缺失区域的高度估计。