智能车辆在城区交通场景中的多类障碍物识别  

Multi-class obstacles recognition for intelligent vehicle in urban traffic scenes

作　　者：杨欣[1] 沈志熙[1] 黄席樾[1] 詹建平[1] 

机构地区：[1]重庆大学自动化学院,重庆400030

出　　处：《重庆大学学报（自然科学版）》2009年第7期757-761,共5页Journal of Chongqing University

基　　金：国家自然科学基金资助项目(69674012);重庆市自然科学基金资助项目(2006BA6016)

摘　　要：针对智能车辆在城区交通场景中的前向障碍物识别,提出了一种基于集成学习改进的二叉树支持向量机(BT-SVM)的多类分类方法。根据城区交通场景中各类障碍物的出现概率、模式类别差异,设计了适用于智能车辆障碍物识别的BT-SVM树型结构;对每个节点分类器,采用AdaBoost集成学习方法进行改进,有效减少了差错积累误差,提高了分类精度和泛化能力。试验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。For multi-class ob Binary Tree Support Vector stacles recognition for intelligent vehicle in urban traffic scenes, an improved Machine （BT-SVM） based on ensemble learning is presented. Based on the distributing probability and pattern diversity of each obstacle in urban traffic scenes, a compatible tree structure of BT-SVM is designed. An approach based on AdaBoost ensemble learning is applied to reduce the transfer error and improve the accuracy and generalization ability of per-node classifier. The proposed method can efficiently recognize 6 kinds of normal obstacle patterns in urban traffic scenes.

关 键 词：智能车辆 障碍物识别 支持向量机 集成学习 城区交通场景 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]