基于视觉边缘特征的灌木丛/高草识别技术

本文主要探讨了一种基于视觉图像边缘特征的灌木丛或高草识别方法，针对无人驾驶车辆在越野环境中对这类障碍物的准确识别问题。灌木丛和高草的特征在于其枝叶外扩导致的灰度图像边缘呈现出锯齿状，这使得边缘点的曲率值变化频繁且范围较大。作者利用Fisher线性分类器对原始灰度图像进行预处理，包括二值化、去除孤立点、形态学膨胀和空穴区域填充，以便更好地突出障碍物的边缘。 接着，作者采用LoG（Laplacian of Gaussian）算子和细化算法来提取障碍物的单像素边缘，这些细化后的边缘有助于更精确地分析边缘特性。通过链码跟踪技术，对边缘点进行曲率值计算，进一步提取边缘的形状信息。边缘形状因子，即边缘曲率的变化特征，被用来描述灌木丛或高草的边界特征。研究表明，这类障碍物的边缘形状因子一般落在[0.0496，0.0762]的范围内。 这种方法的优势在于具有良好的鲁棒性和实时性，能够有效区分灌木丛或高草与其他物体，这对于无人驾驶车辆在复杂越野环境下作出正确的决策至关重要。在无人驾驶车的路径规划中，识别出灌木丛或高草不仅能帮助车辆判断是否强行通过，还能引导其寻找更为安全的路径，从而提高行驶效率和安全性。 本文的研究为无人驾驶车辆在越野环境中进行障碍物识别，尤其是针对灌木丛或高草这类特殊障碍物，提供了一种实用且高效的边缘特征分析方法，对于推动自动驾驶技术在野外环境的应用具有重要意义。