公开(公告)号：CN113011392B

公开(公告)日：2023-04-18

申请号：CN202110448106.8

申请日：2021-04-25

Applicant: 吉林大学

Inventor： 袁世龙 ,  毛传龙 ,  叶向阳 ,  王海升

IPC: G06V20/56 ,  G06V10/80 ,  G06V10/764 ,  G06N20/00

Abstract: 本发明属于智能汽车环境感知技术领域，具体为一种基于路面图像多纹理特征融合的路面类型识别方法，包括步骤一：通过车载摄像头收集沥青、水泥、雪地、碎石这四种汽车行驶常见路面的图像信息；步骤二：对收集到的图像进行增广处理和灰度化处理；步骤三：使用圆形LBP算子提取路面图像的LBP特征；步骤四：使用小波散射框架提取路面图像的小波纹理特征；步骤五：将这两种路面纹理特征进行融合，形成图像数据集的特征矩阵，并在特征矩阵最后一列打上标签；步骤六：在Matlab中使用有监督的机器学习训练模型对数据进行分类，选取其中准确率最高的分类器作为本方法的分类器模型，其结构合理，有效地提高了当前路面类型识别的精确度。

公开(公告)号：CN113011392A

公开(公告)日：2021-06-22

申请号：CN202110448106.8

申请日：2021-04-25

Applicant: 吉林大学

Inventor： 袁世龙 ,  毛传龙 ,  叶向阳 ,  王海升

IPC: G06K9/00 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明属于智能汽车环境感知技术领域，具体为一种基于路面图像多纹理特征融合的路面类型识别方法，包括步骤一：通过车载摄像头收集沥青、水泥、雪地、碎石这四种汽车行驶常见路面的图像信息；步骤二：对收集到的图像进行增广处理和灰度化处理；步骤三：使用圆形LBP算子提取路面图像的LBP特征；步骤四：使用小波散射框架提取路面图像的小波纹理特征；步骤五：将这两种路面纹理特征进行融合，形成该图像数据集的特征矩阵，并在特征矩阵最后一列打上标签；步骤六：在Matlab中使用有监督的机器学习训练模型对数据进行分类，选取其中准确率最高的分类器作为本方法的分类器模型，其结构合理，有效地提高了当前路面类型识别的精确度。