基于迁移学习的路面障碍物检测

赵永刚，裴崇利

(中通客车股份有限公司，山东 聊城 252000)

近些年智能汽车技术迅速发展，对于缓解交通拥挤、减少交通事故有着深远的影响[1]。其智能系统可分为三个部分：环境感知、决策规划、运动控制。其中环境感知的质量是决策规划和运动控制的基础和前提[2]，目前通过搭载高性能的传感器对交通环境中的行人和车辆能进行有效地识别和检测。但是道路环境复杂多样，除了行人和车辆外，还包括其他非规则的障碍物(凹坑、路障、石墩等)。这类非规则的障碍物同样极大地影响到智能车驾驶的安全性和舒适性。

目前，国内外研究人员大多专注于行人和车辆的识别与检测，而对于非规则交通参与物的研究较少，其中文献[3]以从双目视觉中获取道路信息，选择Canny模板作为边缘检测模板，准确定位到路面缺陷的边缘；这类方法一般适用于清晰的结构化路面，当路面纹理不清楚时，路面缺陷识别精度不高。文献[4]采用雷达传感器从探测信号识别路面结构的缺陷；雷达信号有时容易受到环境干扰，检测的鲁棒性会变差。文献[5]利用形态学的边界提取算法获得道路障碍物的轮廓，实现石块的检测；由于石块的大小和形状具有不确定性，所以依靠形态学的检测方法的泛化能力较差，无法精确地识别各种类型的石块。

1 解决方案

为了提高不规则障碍物检测的精度，同时又兼顾硬件成本，本文提出一种迁移学习与机器视觉相结合的解决方案，如图1所示。……