基于one-class SVM与融合多可视化特征的可通行区域检测
Traversable Region Detection Based on One-class SVM and Multi-visual Features Fusion作者机构：南京理工大学计算机科学与技术学院江苏南京210094
出 版 物：《机器人》 (Robot)
年 卷 期：2011年第33卷第6期
页 面：731-735,741页
核心收录：
学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
基 金：乡村道路环境下无人驾驶车辆关键技术与集成验证平台研究(90820306)
主 题：可通行区域检测 one-class SVM 多可视化特征 自主导航
摘 要：针对难以获取完备的非可通行区域样本问题,为提高算法在不同场景的适应性,首次把可通行性检测看作单类分类问题,提出了基于one-class SVM的可通行区域检测算法.提出一种改进的融合颜色和纹理的特征提取方法,对各颜色分量进行离散余弦变换(DCT)变换,对DCT系数进行金字塔分解,用每个分解的均值和方差描述特征窗口.利用one-class SVM进行训练生成可通行区域的模式.实验表明,方法对新数据具有很好的识别能力,具有较高的检测精度和较低的误检率.
维普期刊数据库
同方期刊数据库