基于模型预测的非结构化道路分割

摘要

在图像中实现道路区域与非道路区域的准确区分对于无人车的自主行走来说具有重要意义.非结构化道路场景往往不满足传统的道路先验约束,相比于大多数结构化道路场景其特征显得更为复杂多变,因而对道路分割提出了更高的要求.本文采用了结合场景几何上下文的全局道路分类器来预测当前场景所对应的道路模型,根据模型预测的结果自适应地分别从基于区域和边界的道路分割方法中选择最优的方法,并在道路渐变的先验假设基础上通过时域平滑机制分别对区域分类和道路模型预测进行改进.实验结果证明该方法在不同的非结构化道路场景中相比于传统的方法具有更高的分割准确性.