基于机器视觉的非结构化道路检测与障碍物识别方法.pdf

《基于机器视觉的非结构化道路检测与障碍物识别方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第27卷2011经第6期6月农业工程学报TransactionsoftheCSAE、，01．27NO．6Jun．2011225基于机器视觉的非结构化道路检测与障碍物识别方法宋怀波，何东健※，辛湘俊(西北农林科技大学机电学院，杨凌712100)摘要：为了实现非结构化道路检测与障碍物的识别，提出了一种基于最小错误率贝叶斯决策与Hough变换相结合的非结构化道路检测与障碍物识别算法。算法首先将Otsu多阈值理论引入到最小错误率贝叶斯决策中并进行图像分割，然后利用Hough变换进行道路检测、提取出纯路面区域并再次进行路面分割，最后根据分割结果进行路面障碍物定位。

2、结果表明，该算法能够有效实现非结构化道路的检测与障碍物的识别，在光影、照度变化、水渍等不利因素影响较小的情况下，具有较好的鲁棒性。关键词：车辆，导航，非结构化道路，贝叶斯决策，Hough变换，障碍物识别doi：10．3969百．issn，1002—6819．2011．06．041中图分类号：TP391．41文献标志码：A文章编号：1002—6819(2011)一06—0225—06宋怀波，何东健，辛湘俊．基于机器视党的非结构化道路检测与障碍物识别方法[J]．农业工程学报，2011，27(6)：225--230，SongHuaibo，HeDongjian，

3、XinXiangjun．Unstructuredroaddetectionandobstaclerecognitionalgorithmbasedonmachinevision[J[．TransactionsoftheCSAE，2011，27(6)：225--230．(inChinesewithEnglishabstract)0引言道路检测是智能车辆视觉导航系统的核心和关键技术，将智能控制技术应用于农业机械装备的研究已经成为一个重要方向，在农业机器人自主导航、车辆辅助驾驶、物流等领域有着广泛的应用前景，一直是人们关注和研究的重点。要实现车辆的自主导航，就

4、必须能够跟踪道路的变化情况并完成车道内各类障碍物的检测。道路大体可以分为结构化道路与非结构化道路，目前针对结构化道路的研究已经取得了较大进展。由于非结构化道路在城市、农村的应用更为广泛，不能实现非结构化道路的检测与路面障碍物的识别就不能真正的实现车辆的智能导航。但是，非结构化道路一般没有清晰的车道线和道路边界，且易受光照、阴影、天气变化等环境因素的影响，室外自然场景下非结构化道路的检测与障碍物识别是一个十分复杂的问题【1。91。目前，针对非结构化道路的检测技术尚处于研究阶段。针对非结构化道路的检测算法大致可分为3类：基于道路特征的方法【10】、基于道路模

5、型的方法[11]和基于神经网络的方法【8，挖】。基于道路特征的检测算法通过分析道路区域和非道路区域在颜色或纹理特征的不同，通过聚类或区域生长的方法获得道路区域。其主要优点是对道路收稿日期：2010．08—27修订日期：2010．10．23基金项目：国家自然科学基金资助(31000670、60975007)；西北农林科技大学人才专项资金资助(Z1110209005)作者简介：宋怀波(1980一)，男，山东济宁人，西北农林科技大学讲师，工学博士，研究方向：图像处理。杨凌西北农林科技大学机电学院，712100。Email：songyangfeifei@163．

6、corn※通信作者：何东健(1957一)，男，陕西汉中人，西北农林科技大学教授、博士生导师。研究方向：图像处理，智能化检测。杨凌西北农林科技大学机电学院，712100。Email：hdj87091197@yahoo．corn．ca形状不敏感，需要的先验知识少，但对阴影、水迹和各种环境因素较为敏感。基于模型的方法首先假设出道路模型，根据图像找出最匹配的道路模型。该类方法检测出的道路区域较为完整，但是对于复杂的路面形状，目前尚不能建立准确的模型。基于神经网络的方法利用神经网络的学习特性来进行道路检测，但存在需要大量训练样本集以适应复杂多变的路面状况的缺点。由

7、于非结构化道路一般处于一个复杂的自然场景之中，实现其自动检测具有相当难度，现有的相关检测理论和方法尚存在许多不足，至今尚没有一个成熟的检测方法。鉴于上述，本文研究并提出一种基于最小误差率贝叶斯决策和Hough变换相结合的非结构化道路检测与障碍物识别算法。算法首先将Otsu多阈值理论引入到最小误差率贝叶斯决策之中，用来估计背景与路面的最佳统计意义下的先验概率并将图像分割为路面区域与非路面区域，然后利用Hough变换进行道路的检测，得到纯路面区域，最后对路面区域进行再次分割，完成路面障碍物的标识工作。1融合Otsu多阈值理论与最小错误率贝叶斯决策的道路线图像

8、分割1．1最小错误率贝叶斯决策数学模型在分类问题中，往往希望尽量减少分类错误。依