OpenCV+SVM简单应用-------路面箭头分类

问题内容路面箭头检测与识别(该部分主要介绍基于SVM的分类,也就是识别,检测问题暂不谈)

问题背景:路面箭头识别在无人车中有着重要的作用:

                  1.车道线等重要信息的检测,需要排除路面箭头的干扰;

                  2.需要根据路面箭头的指示,完成下一步动作

问题描述:为了简化这个问题,重点描述基于OpenCV的SVM路面箭头分类,我们将预先检测到的待分类                     路面箭头给出如下,样本均从俯视图(逆透视)中检测获得:
       OpenCV+SVM简单应用-------路面箭头分类_第1张图片
 
图片1-11中包括:1-3、10为虚线的误检、4-5为直右箭头、6-9为误检、11为倒着的直左箭头

问题难点(本文中未解决):为何找到一个合适的特征,来解决箭头的旋转不变、尺度不变问题

作者在有限的时间中尝试过Hu矩特征、SIFT特征,效果都不是很理想,具体情况表现为:

Hu矩特征:虽然有旋转不变特性,但是将信息压缩太严重,最后得到的仅是一个七维特征,放入SVM中训练效果很差;

SIFT特征:其也具有尺度和旋转不变性,且对光照不均等现象具有抑制作用,但是作者尝试发现,样本和测试集的特征点检测较少,无法聚类得到定长的特征算子,故无法进行SVM分类

 本文采用方法:考虑到路面箭头的形式、形状甚至大小比较单一,仅仅是位置、角度不同,故可以放入较多的模板来反映同一标志不同角度的形态特征,最后将整图信息压缩到固定大小作为特征算子输入SVM中,仍可以取得不错的效果。

样本准

你可能感兴趣的:(openCV,C++,机器学习,openCV,图像处理)