一种基于卷积神经网络的车辆前方可通行性分析方法

摘要

本发明公开了一种基于卷积神经网络的车辆前方可通行性分析方法，包括以下步骤：首先通过安装在车辆前方的摄像机采集大量真实的车辆行驶环境图像；利用Gamma矫正函数对图像进行预处理；进行卷积神经网络的训练。本发明采用非线性函数叠加的Gamma矫正方法预处理图像，避免了强烈变化的光照对目标识别的影响，提高了图像分辨率。本发明采用了几何归一化方法，降低了识别目标距离摄像机远近所造成的分辨率差异。本发明采用的卷积神经网络LeNet-5能够提取具有类别分辨能力的隐式特征，提取过程简单；LeNet-5结合局域感受野、权值共享和次抽样，确保对简单几何变形的鲁棒性，且减少了网络的训练参数，简化了网络结构。