非結構化道路區域檢測的協同學習方法

王遠航+楊譽鵬

摘要：非結構化道路區域檢測是智能車環境感知的重要問題。本文對現有的檢測方法進行了研究，對兩種協同學習方法進行了分析。

關鍵字：協同學習；道路檢測；非結構化

0引言

隨著科學技術的進步和發展，智能導航系統的開發和利用已經進趨成熟，無人駕駛自主導航系統的研究已經得以應用，其中對路面路況的檢測是關鍵技術之一。道路分為結構化道路和非結構化道路。結構化道路是指車道標志線清晰、道路檢測容易進行的一類道路的統稱。費結構化道路是指道路環境較復雜，檢測難度較大的一類道路。對非結構道路的檢測是目前非常具有吸引力和挑戰性的課題，受到了學者和專家的廣泛關注。

協同學習是目前一種新的學習形式，主要以協同小組的形式存在，能夠充分利用組內成員的優勢，進行分工合作，討論總結，最終達到解決問題的目的。在知識和信息大爆發的時代，協同學習能夠滿足知識時代的學習建構和革新需要。

1非結構化道路區域檢測種類

對于非結構化道路區域的檢測目前主要有兩種方法，一種是基于模型的學習方法，另一種是基于特征的學習方法，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驗對非結構化道路形狀提出假設，在假設的基礎上對道路進行建模，然后進行檢測。這種以構建模型為基礎的檢測方法很大程度上受到模型選擇的限制。目前有一些學者采用模型法對非結構化道路進行了檢測。學者KANG D J在2003年時，提出采用B樣條曲線對非結構化道路進行檢驗，構建道路的二維模型，將對道路左右兩車道的檢測問題轉化為利用已經掌握的知識和數據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構化道路進行建模，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算子和形態學的方法實現路徑識別。廈門理工學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，利用顏色分塊區域生產模型對非結構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合的檢測方法，該方法對非結構化道路的檢測結果較理想。

1.3多特征融合法

為了提高非結構化道路檢測算法的準確性，單特征法不足以滿足當前研究的需要，以此多特征融合法的產生和應用為非結構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，并且結合支持向量機對非結構化鄉村道路進行檢測。同年王靜將協同學習方法運用到非結構化道路區域檢測中，得到了較理想的道路分割結果。葉偉龍在2011年采用了基于在線學習的SVM非結構化道路檢測方法，根據HSV空間的顏色特征和5個紋理特征進行有監督的在線學習，分割出非結構化道路區域。

2兩種協同學習方法比較

2.1二維熵和輪廓特征的道路檢測方法

針對非結構化道路場景復雜，易受光照變化和陰影干擾的情況，西南科技大學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實現邊界重建，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，實現了陰影道路的準確分割。基于分割結果，根據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實現了道路重建，同時有效識別出了道路方向。郭秋梅等同過對3種不同場景非結構化道路的實驗結果，表明了本文方法的有效性。但對于環境更為復雜的情況，算法還需要進一步完善和改進。非結構化道路檢測是一個極為復雜的問題，后續還需要對其中某些技術難點問題進行更深入的研究。

2.2多方向Gabor紋理直方圖

針對非結構化道路區域檢測提出增量式協同學習方法，清華大學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習，可以很好地適應環境的變化。與基于圖的半監督學習方法相比，該方法不需要計算所有樣本之間的相似度關系，無需低維流形假設，算法直觀且具有開放性，可以很容易融入其他學習機制。另外，協同學習本質上關注兩個學習器之間的相互學習，而并不限定學習器的融合應用。

3總結

非結構化道路由于其自身復雜的存在環境，檢測過程及方法較為復雜，合理選擇檢測方法是保證道路檢測數據準確的關鍵。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構化道路轉卻檢測的目的。

參考文獻：

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

[2]葉偉龍，劉華平，孫富春，等.非結構化道路區域檢測的協同學習方法[J].中國圖象圖形學報，2011，16（5）：792-799.