一种基于高斯核支持向量机的非结构化道路环境植被检测方法

非结构化道路环境复杂多变,但是路两旁的植被较为显著,可用于限定路面的不可通行区域.在复杂的室外环境中,植被区域容易受到天气、阴影、路况等多种因素干扰而产生误检.为此本文提出了一种基于高斯核SVM(支持向量机)的植被检测方法,通过基于超像素的稀疏表示法来分析并学习样本多维色彩空间特征,进而构造分类准则有效获取植被信息,并采用栅格概率滤波来优化检测结果,提高检测精度.实验表明,该方法很好地解决了非结构化道路环境中的植被检测问题,对光照、路况等变化也具有较强的抗干扰能力,且具备较好的实时性和可靠性.在实际应用中,有效地限制了路面的不可通行区域,保障了移动智能机器人在复杂道路环境中的安全行驶区域.

Vegetation Detection Approach Based on Gaussian Kernel Support Vector Machine in Unstructured Road Environment