王遠航+楊譽鵬

摘要：非結(jié)構(gòu)化道路區(qū)域檢測是智能車環(huán)境感知的重要問題。本文對現(xiàn)有的檢測方法進行了研究，對兩種協(xié)同學(xué)習(xí)方法進行了分析。

關(guān)鍵字：協(xié)同學(xué)習(xí)；道路檢測；非結(jié)構(gòu)化

0引言

隨著科學(xué)技術(shù)的進步和發(fā)展，智能導(dǎo)航系統(tǒng)的開發(fā)和利用已經(jīng)進趨成熟，無人駕駛自主導(dǎo)航系統(tǒng)的研究已經(jīng)得以應(yīng)用，其中對路面路況的檢測是關(guān)鍵技術(shù)之一。道路分為結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路。結(jié)構(gòu)化道路是指車道標(biāo)志線清晰、道路檢測容易進行的一類道路的統(tǒng)稱。費結(jié)構(gòu)化道路是指道路環(huán)境較復(fù)雜，檢測難度較大的一類道路。對非結(jié)構(gòu)道路的檢測是目前非常具有吸引力和挑戰(zhàn)性的課題，受到了學(xué)者和專家的廣泛關(guān)注。

協(xié)同學(xué)習(xí)是目前一種新的學(xué)習(xí)形式，主要以協(xié)同小組的形式存在，能夠充分利用組內(nèi)成員的優(yōu)勢，進行分工合作，討論總結(jié)，最終達到解決問題的目的。在知識和信息大爆發(fā)的時代，協(xié)同學(xué)習(xí)能夠滿足知識時代的學(xué)習(xí)建構(gòu)和革新需要。

1非結(jié)構(gòu)化道路區(qū)域檢測種類

對于非結(jié)構(gòu)化道路區(qū)域的檢測目前主要有兩種方法，一種是基于模型的學(xué)習(xí)方法，另一種是基于特征的學(xué)習(xí)方法，特征法有氛圍單特征和多特征法。

1.1基于模型方法

基于模型的方法，是根于先前的知識經(jīng)驗對非結(jié)構(gòu)化道路形狀提出假設(shè)，在假設(shè)的基礎(chǔ)上對道路進行建模，然后進行檢測。這種以構(gòu)建模型為基礎(chǔ)的檢測方法很大程度上受到模型選擇的限制。目前有一些學(xué)者采用模型法對非結(jié)構(gòu)化道路進行了檢測。學(xué)者KANG D J在2003年時，提出采用B樣條曲線對非結(jié)構(gòu)化道路進行檢驗，構(gòu)建道路的二維模型，將對道路左右兩車道的檢測問題轉(zhuǎn)化為利用已經(jīng)掌握的知識和數(shù)據(jù)求解道路中心線的問題。

1.2基于特征的方法

利用已知的顏色、灰度和紋理等特征對非結(jié)構(gòu)化道路進行建模，從而進行檢測。

梁靚在2006年提出利用雙峰法和最大類間方差法（OTSU）選取灰度閾值對道路圖像進行分割。電氣和電子工程師協(xié)會的BERNUY F于2009年提出基于灰度特征利用融合Canny算子和形態(tài)學(xué)的方法實現(xiàn)路徑識別。廈門理工學(xué)院的副教授許華榮在2011年時以實時道路圖像的真彩色信息為研究對象，利用顏色分塊區(qū)域生產(chǎn)模型對非結(jié)構(gòu)化道路進行分割處理，并用三次樣條進行道路邊界擬合，這種檢測方法提高了對陰影水跡的抗干擾作用。胡曉輝在2012年提出采用顏色直方圖和隨機抽樣一致算法相結(jié)合的檢測方法，該方法對非結(jié)構(gòu)化道路的檢測結(jié)果較理想。

1.3多特征融合法

為了提高非結(jié)構(gòu)化道路檢測算法的準(zhǔn)確性，單特征法不足以滿足當(dāng)前研究的需要，以此多特征融合法的產(chǎn)生和應(yīng)用為非結(jié)構(gòu)化道路檢測注入了新的生機。魏武在2009年提出將顏色特征、邊緣特征和紋理特征三種特征相融合，并且結(jié)合支持向量機對非結(jié)構(gòu)化鄉(xiāng)村道路進行檢測。同年王靜將協(xié)同學(xué)習(xí)方法運用到非結(jié)構(gòu)化道路區(qū)域檢測中，得到了較理想的道路分割結(jié)果。葉偉龍在2011年采用了基于在線學(xué)習(xí)的SVM非結(jié)構(gòu)化道路檢測方法，根據(jù)HSV空間的顏色特征和5個紋理特征進行有監(jiān)督的在線學(xué)習(xí)，分割出非結(jié)構(gòu)化道路區(qū)域。

2兩種協(xié)同學(xué)習(xí)方法比較

2.1二維熵和輪廓特征的道路檢測方法

針對非結(jié)構(gòu)化道路場景復(fù)雜，易受光照變化和陰影干擾的情況，西南科技大學(xué)的郭秋梅提出提出了一種基于二維熵和輪廓特征的道路檢測方法，利用融合色彩特征不變量的二次二維最大熵分割方法對道路圖像進行分割，從分割圖像中提取出道路輪廓，并有效提取邊緣點。通過求解道路模型參數(shù)實現(xiàn)邊界重建，同時對道路方向進行識別。

這種方法采用融合色彩特征不變量的二次二維最大熵法對道路進行分割，實現(xiàn)了陰影道路的準(zhǔn)確分割?；诜指罱Y(jié)果，根據(jù)輪廓長度篩選獲取道路邊緣，在一定程度上過濾掉了部分非道路邊緣，優(yōu)于直接用邊緣檢測算子提取道路邊緣的方法。改進的Mid-to-side算法搜索道路邊緣點，進一步保證了邊緣點的有效性。利用最小二乘多項式曲線擬合法求解道路模型參數(shù)實現(xiàn)了道路重建，同時有效識別出了道路方向。郭秋梅等同過對3種不同場景非結(jié)構(gòu)化道路的實驗結(jié)果，表明了本文方法的有效性。但對于環(huán)境更為復(fù)雜的情況，算法還需要進一步完善和改進。非結(jié)構(gòu)化道路檢測是一個極為復(fù)雜的問題，后續(xù)還需要對其中某些技術(shù)難點問題進行更深入的研究。

2.2多方向Gabor紋理直方圖

針對非結(jié)構(gòu)化道路區(qū)域檢測提出增量式協(xié)同學(xué)習(xí)方法，清華大學(xué)的葉偉龍利用多方向Gabor紋理直方圖和直方圖反向投影器相互學(xué)習(xí)，可以很好地適應(yīng)環(huán)境的變化。與基于圖的半監(jiān)督學(xué)習(xí)方法相比，該方法不需要計算所有樣本之間的相似度關(guān)系，無需低維流形假設(shè)，算法直觀且具有開放性，可以很容易融入其他學(xué)習(xí)機制。另外，協(xié)同學(xué)習(xí)本質(zhì)上關(guān)注兩個學(xué)習(xí)器之間的相互學(xué)習(xí)，而并不限定學(xué)習(xí)器的融合應(yīng)用。

3總結(jié)

非結(jié)構(gòu)化道路由于其自身復(fù)雜的存在環(huán)境，檢測過程及方法較為復(fù)雜，合理選擇檢測方法是保證道路檢測數(shù)據(jù)準(zhǔn)確的關(guān)鍵。二維熵和輪廓特征的道路檢測方法和多方向Gabor紋理直方圖都能夠很好的達到非結(jié)構(gòu)化道路轉(zhuǎn)卻檢測的目的。

參考文獻：

[1]郭秋梅，黃玉清.基于二維熵和輪廓特征的非結(jié)構(gòu)化道路檢測[J].計算機應(yīng)用，2013，33（7）：2005-2008.

[2]葉偉龍，劉華平，孫富春，等.非結(jié)構(gòu)化道路區(qū)域檢測的協(xié)同學(xué)習(xí)方法[J].中國圖象圖形學(xué)報，2011，16（5）：792-799.