融合超像素聚类与SVM分类的非结构化道路识别算法

• 作者: 陈涛 宫金良 张彦斐
• 来源期刊: 激光杂志
• 学科: 工学
• 关键词: 非结构化道路 聚类算法 特征提取 超像素 支持向量机
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 光电测量与检测
• 页码范围: 33-38
• 页数: 6页
• 分类号: TN209
• 语种: 中文
• DOI: 10.14016/j.cnki.jgzz.2022.01.033

摘要

为解决移动机器人对非结构化道路识别的准确性、实时性问题,提出了改进的超像素聚类与支持向量机融合的监督修正算法.首先对采集的道路图像进行预处理,仅在此道路的显著性区域内进行图像的平滑处理,然后基于改进的线性迭代聚类算法,将图像分割为内部像素较为一致的若干超像素单元,根据灰度差准则进行超像素的合并,以超像素块作为训练样本集,加快了支持向量机(SVM)分类器的训练学习速度,提取合并后的超像素颜色、纹理特征作为分类器训练集,构造SVM道路分类器并在测试集中进行分类识别,最后根据建立的评估函数对分类结果实时修正,保障了分类识别的准确率.实验表明,该算法的分类效果精确度高,且具有良好的实时性和鲁棒性.