基于Boosting的智能车辆多类障碍物识别

摘要

提出一种基于Boosting集成学习的二叉树支持向量机(BBT-SVM).根据城区交通环境中各类障碍物的出现概率、模式间的类间差异,设计适用于智能车辆障碍物识别的SVM树型结构.对每个节点SVM分类器采用Boosting集成学习方法进行改进,减少差错积累误差,提高分类精度和泛化能力.实验结果表明,该方法能有效地对城区交通场景中6类常规障碍物模式进行实时在线识别.