-
公开(公告)号:CN101813475A
公开(公告)日:2010-08-25
申请号:CN201010154744.0
申请日:2010-04-24
Applicant: 上海交通大学
Abstract: 一种机器人技术领域的远距离障碍的自适应检测方法,包括以下步骤:采集图像并进行预处理;划分区域并进行超像素分割处理;进行高维外观特征提取;得到近距离场景区域每个超像素的地形类别;得到近距离场景超像素的低维主导特征;得到远距离场景超像素的低维主导特征;进行Adaboost分类器训练;将远距离场景区域超像素的低维主导特征输入至Adaboost分类器,当Adaboost分类器输出为1时,则当前场景为障碍;否则当前场景为地面。本发明可实现障碍检测特征的自适应提炼,简化分类器模型,可以同时减少障碍多模态分布及由随机特征重叠导致的类别歧义对检测结果的影响,且提高障碍检测的准确性和稳定性。
-
-
-
公开(公告)号:CN101813475B
公开(公告)日:2011-06-01
申请号:CN201010154744.0
申请日:2010-04-24
Applicant: 上海交通大学
Abstract: 一种机器人技术领域的远距离障碍的自适应检测方法,包括以下步骤:采集图像并进行预处理;划分区域并进行超像素分割处理;进行高维外观特征提取;得到近距离场景区域每个超像素的地形类别;得到近距离场景超像素的低维主导特征;得到远距离场景超像素的低维主导特征;进行Adaboost分类器训练;将远距离场景区域超像素的低维主导特征输入至Adaboost分类器,当Adaboost分类器输出为1时,则当前场景为障碍;否则当前场景为地面。本发明可实现障碍检测特征的自适应提炼,简化分类器模型,可以同时减少障碍多模态分布及由随机特征重叠导致的类别歧义对检测结果的影响,且提高障碍检测的准确性和稳定性。
-
-
-