基于Gist-SVM对车道线分类及车道线检测识别研究

摘要：

为了适应复杂的车道线路况的识别,提出了应用Gist-SVM机器学习对直线型-弯曲型车道线自动检测分类的方法.首先通过Gist-SVM训练2种直线型和弯曲型分类模型;然后利用测试图像的特征与训练模型进行预测学习,应用支持向量机自动分类直线型和弯曲型车道类型;最后,检测的直线型车道线图像利用加约束Hough变换进行检测识别,检测的弯曲型车道线采用多数小线段直线拟合方法拟合弯道.同时设计一种适应本文所提方法的车道线检测识别系统的界面,将该车道线检测算法整合到该系统界面内.实验结果证明,采用Gist-SVM可自动检测分类车道线类型,该算法对直线型-弯曲型车道线检测识别的错检率减少20％,提高了检测的准确性.

关键词：车道线分类、直线型-弯曲型、检测系统界面、加约束的Hough变换

所属期刊栏目：28

资助基金：山东省自然科学基金ZR2016EL19

在线出版日期：2019-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：867-873