路面检测是智能汽车领域的一个重要研究课题。基于学习的方法将获取的汽车前方的图像划分为一些区域,然后分别将这些区域分类为路面区域或非路面区域。由于现实场景的复杂性,存在一些既包含路面又包含非路面的不确定区域,只是将其分类...路面检测是智能汽车领域的一个重要研究课题。基于学习的方法将获取的汽车前方的图像划分为一些区域,然后分别将这些区域分类为路面区域或非路面区域。由于现实场景的复杂性,存在一些既包含路面又包含非路面的不确定区域,只是将其分类为路面区域或非路面区域是不合理的。针对上述问题,提出了一种新的基于分割的路面检测算法,其核心是不确定区域再分类算法RCUR(Re-classification on Uncertain Regions)。该算法检测出不确定区域后,利用不同分割算法的互补性将不确定区域分割为若干子区域,通过对子区域的组合、分类可以有效地区分出不确定区域中的路面与非路面部分。实验表明该算法能够在现实场景中适应路面的多样性,提高路面检测的正确率,降低噪声对路面检测结果的影响。展开更多
文摘路面检测是智能汽车领域的一个重要研究课题。基于学习的方法将获取的汽车前方的图像划分为一些区域,然后分别将这些区域分类为路面区域或非路面区域。由于现实场景的复杂性,存在一些既包含路面又包含非路面的不确定区域,只是将其分类为路面区域或非路面区域是不合理的。针对上述问题,提出了一种新的基于分割的路面检测算法,其核心是不确定区域再分类算法RCUR(Re-classification on Uncertain Regions)。该算法检测出不确定区域后,利用不同分割算法的互补性将不确定区域分割为若干子区域,通过对子区域的组合、分类可以有效地区分出不确定区域中的路面与非路面部分。实验表明该算法能够在现实场景中适应路面的多样性,提高路面检测的正确率,降低噪声对路面检测结果的影响。