一種基于車載單目視覺室外道路自適應分類器生成方法與流程

技術特征：

1.一種基于車載單目視覺室外道路自適應分類器生成方法，其特征在于，包括如下步驟：

1)構建樣本池

樣本池是一個m*n的特征向量；其中m為樣本池中所含有的不同形態道路的種類，n為每種道路的特征維度；

2)計算相鄰圖像相似度

首先提取相鄰圖像的顏色直方圖：

H(P)＝[h(x₁),h(x₂),...h(x_i)] (1)

$h\left(x_i\right)=\frac{S\left(x_i\right)}{\underset{j}{\Σ}S\left(x_j\right)}---\left(2\right)$

其中，S(x_i)為第i種顏色在圖像中出現的個數，S(x_j)為總的像素點個數；

計算相鄰圖像顏色直方圖的相似度，根據計算值判斷相鄰圖像是否相似；

3)分割圖像與提取圖像特征

步驟2)完成之后，首先對圖像做超像素分割，然后提取每一個超像素塊的圖像特征，用于下一步分類器的訓練以及道路識別；

4)訓練分類器

根據步驟2)的計算結果，在步驟3)的基礎上進行分類器的訓練；當步驟2)的結果為相似時：更新分類器的訓練樣本為前一個分類的識別結果；當步驟2)結果為不相似時：更新分類器的訓練樣本為與步驟1)所構建本池的匹配結果；根據每個超像素塊的特征及其屬性標簽，采用boosting算法訓練若干個弱分類器，并且把這些弱分類器集合起來，構造一個更強的最終分類器：

$G\left(x\right)=sign\left(\underset{m=1}{\overset{M}{\Σ}}{\mathrm{\α}}_m{G}_m\right(x\left)\right)---\left(3\right)$

其中，G_m(x)為每個弱分類器，α_m為每個弱分類器的權重，m為迭代次數即弱分類的器個數。

2.根據權利要求1所述的一種基于車載單目視覺室外道路自適應分類器生成方法，其特征在于，步驟2)所述的直方圖相似度計算方法為相關度、卡方系數、相交系數或巴氏距離。

3.根據權利要求1或2所述的一種基于車載單目視覺室外道路自適應分類器生成方法，其特征在于，步驟2)所述的直方圖相似度計算方法選用巴氏距離：

$d(H_A,H_B)=\sqrt{1-\underset{i=1}{\overset{n}{\Σ}}\frac{\sqrt{H_A\left(i\right)H_B\left(i\right)}}{\underset{i=1}{\overset{n}{\Σ}}\sqrt{H_A\left(i\right)}\sqrt{H_B\left(i\right)}}}---\left(4\right)$

其中，H_A(i)和H_B(i)分別代表圖像A和B的第i種顏色直方圖數據,n為直方圖中bin的個數，d∈[0,1]。

4.根據權利要求1或2所述的一種基于車載單目視覺室外道路自適應分類器生成方法，其特征在于，步驟3)所述的圖像特征為顏色特征、紋理特征、形狀特征或空間關系特征中的一種或兩種以上。

5.根據權利要求3所述的一種基于車載單目視覺室外道路自適應分類器生成方法，其特征在于，步驟3)所述的圖像特征為顏色特征、紋理特征、形狀特征或空間關系特征中的一種或兩種以上。

6.根據權利要求1或2或5所述的一種基于車載單目視覺室外道路自適應分類器生成方法，其特征在于，步驟3)所述的圖像特征為顏色特征和空間關系特征，表示方法如下：

$E_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{I}_m(x_i,y_i),m=L,a,b,x,y---\left(5\right)$

$V_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\left(I_m\right(x_i,y_i)-E_m),m=L,a,b,x,y---\left(6\right)$

其中，E_m和V_m分別為顏色空間L a b三個分量和像素的位置坐標(x，y)的均值和方差，n為超像素塊含有像素點的個數。

7.根據權利要求3所述的一種基于車載單目視覺室外道路自適應分類器生成方法，其特征在于，步驟3)所述的圖像特征為顏色特征和空間關系特征，表示方法如下：

$E_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{I}_m(x_i,y_i),m=L,a,b,x,y---\left(5\right)$

$V_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\left(I_m\right(x_i,y_i)-E_m),m=L,a,b,x,y---\left(6\right)$

其中，E_m和V_m分別為顏色空間L a b三個分量和像素的位置坐標(x，y)的均值和方差，n為超像素塊含有像素點的個數。

8.根據權利要求4所述的一種基于車載單目視覺室外道路自適應分類器生成方法，其特征在于，步驟3)所述的圖像特征為顏色特征和空間關系特征，表示方法如下：

$E_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{I}_m(x_i,y_i),m=L,a,b,x,y---\left(5\right)$

$V_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\left(I_m\right(x_i,y_i)-E_m),m=L,a,b,x,y---\left(6\right)$

其中，E_m和V_m分別為顏色空間L a b三個分量和像素的位置坐標(x，y)的均值和方差，n為超像素塊含有像素點的個數。