基于超像素分割的实时野外场景理解

摘要

提出了一个实时野外场景理解算法,可以广泛地应用于自主野外环境探索、辅助驾驶系统等方面.为了提升分类算法的速度和精度,采用快速的超像素分割来对场景进行预处理,然后针对每个超像素区域提取HSV颜色特征、LBP纹理特征和EO H边缘梯度特征构建其多维特征向量,并采用多类Real AdaBoost算法进行特征训练得到场景分类器.实验证明,提出的算法不仅具有良好的实时性,同时由于采用超像素进行分割预处理,有效地提升了对场景中不同类别的分类精度.