结合先验知识和图像特征的道路提取方法-计算机工程与应用.PDFVIP

236 2011 ，47 （33） Computer Engineering and Applications 计算机工程与应用 结合先验知识和图像特征的道路提取方法 1 2 林丽群 ，肖 俊 1 2 LIN Liqun ，XIAO Jun 1.湖北大学 资源与环境学院，武汉 430062 2.武汉大学 测绘遥感信息工程国家重点实验室，武汉 430079 1.School of Resources and Environmental Science ，Hubei University ，Wuhan 430062 ，China 2.The State Key Lab of Information Engineering in Surveying ，Mapping and Remote Sensing ，Wuhan University ，Wuhan 430079 ，China LIN Liqun ，XIAO Jun.Combined prior knowledge and image characteristics for lane detection method.Computer Engi- neering and Applications ，2011 ，47 （33 ）：236-239. Abstract ：In the complex environment ，this paper presents a lane detection method with the ability to deal with both struc- tured and unstructured roads.The method combines a priori knowledge database with adaptive region growing method.It estab- lishes a priori knowledge database through a set of road sampling ，training ，data mining and knowledge discovery ，combines adaptive road region growing method using this database process on real-time segmented images.The experimental results show that this method is able to robustly find the road area on different types of roads in various environments. Key words ：road detection ；computer vision ；region growing 摘 要：致力于在复杂环境下能对多种道路进行检测，提出了一种先验知识库与自适应区域增长相融合的道路检测方法，通过少 量的道路样本采集，建立样本库，训练挖掘出道路知识模型，并结合区域增长方法对分割的实时道路影像进行道路区域增长。实 验结果表明，该方法适用于多种不同环境道路的提取，鲁棒性强。 关键词：道路检测；计算机视觉；区域增长 DOI ：10.3778/j.issn. 1002-8331.2011.33.069 文章编号：1002-8331（2011 ）33-0236-04 文献标识码：A 中图分类号：TP751 1 引言 杂，实时性较差，对水渍、阴影等复杂环境没太好的效果。 道路检测是智能导航研究中的重要环节。道路能否被正 目前这两种类型的道路提取方法相互通用性不高，虽然 确提取关系到车辆或智能机器人能否顺利行进。目前基于视 也有同时能检测两种道路的视觉系统，但一般都是通过一种 觉的道路检测研究主要是将道路分为结构化道路和非结构化 判断道路类型的方法而后针对不同的道路类型选取不同的检 道路这两类，并分别用不同的算法进行检测。结构化道路指 测方法。H.-Y.Cheng[8]运用道路标识线的颜色特征进行道路分 具有道路标识线的道路，如高速公