【技术实现步骤摘要】
基于朴素贝叶斯云计算路面图像采集分类方法及其装置
本申请涉及一种基于朴素贝叶斯云计算路面图像采集分类方法及其装置，属于机器学习
技术介绍
一直以来，环境感知作为ADAS和无人驾驶实现的一个基础性技术，有很多学者和专业技术人员都对其进行过研究，现有的ADAS和无人驾驶相关技术主要集中在感知算法的应用方面，主要用于车辆、行人、车道线、交通标识等障碍物的检测。而ADAS和无人驾驶技术中对于环境感知中的路面识别技术研究得较少。传统的机器学习方法如支持向量机SVM、贝叶斯分类等在识别路面障碍物方面存在劣势，且现有的机器学习方法在训练计算过程中对GPU、内存等硬件要求比较高，基于现有的方法和硬件计算设备是无法保证学习后系统对路面实时变化情况的识别准确性和识别实时效率。现有分类器多为支持向量机分类器，此类分类器用于路面图像特征分类时，分类准确性较差，计算效率低下，且无法根据特殊路况图像特征，对已有分类器再次进行训练，成为路面图像识别准确性较低的技术问题。
技术实现思路
本申请提供了一种基于朴素贝叶斯云...
【技术保护点】
1.一种基于朴素贝叶斯云计算路面图像采集分类方法，其特征在于，包括以下步骤：/n步骤S100：提取训练样本数据集中各样本的颜色、纹理特征，对颜色、纹理特征进行特征融合后，通过云平台对基于朴素贝叶斯分类器进行训练，得到训练分类器；/n步骤S200：通过在载具下部朝向路面设置摄像头，摄像头采集路面图像后，提取路面图像中的颜色特征、纹理特征，得到实时路面特征，对所得颜色特征、纹理特征进行特征融合后，通过云平台采用训练分类器进行分类；/n步骤S300：输出分类识别结果至车载显示终端，将实时路面特征上传云平台服务器并加入训练样本数据集中。/n
【技术特征摘要】
1.一种基于朴素贝叶斯云计算路面图像采集分类方法，其特征在于，包括以下步骤：
步骤S100：提取训练样本数据集中各样本的颜色、纹理特征，对颜色、纹理特征进行特征融合后，通过云平台对基于朴素贝叶斯分类器进行训练，得到训练分类器；
步骤S200：通过在载具下部朝向路面设置摄像头，摄像头采集路面图像后，提取路面图像中的颜色特征、纹理特征，得到实时路面特征，对所得颜色特征、纹理特征进行特征融合后，通过云平台采用训练分类器进行分类；
步骤S300：输出分类识别结果至车载显示终端，将实时路面特征上传云平台服务器并加入训练样本数据集中。
2.根据权利要求1所述的基于朴素贝叶斯云计算路面图像采集分类方法，其特征在于，所述基于朴素贝叶斯分类器包括：类别根节点和多个属性叶节点。
3.根据权利要求1所述的基于朴素贝叶斯云计算路面图像采集分类方法，其特征在于，步骤S100中对基于朴素贝叶斯分类器的训练包括以下步骤：
步骤S110：确定训练样本图像的特征属性；
步骤S120：获取训练样本，对每个类别计算P(yi)，其中，yi为第i个路面类别，对每个特征属性计算所有划分的条件概率；
步骤S130：对每个类别计算P(x|yi)P(yi)，其中x为采集的样本数据，yi为路面类别，以P(x|yi)P(yi)最大项作为X所属类别；
步骤S140：为训练样本数据集添加m个等效实例，计算公式为：
p(xj/ci)＝(Ccx+mp)/(Cc+m)
其中，xj为第j个样本，ci为第i个路面类别，
m为附加实例的个数，具体取值可由路面识别领域专家指定，p为概率先验估计。
4.根据权利要求3所述的基于朴素贝叶斯云计算路面图像采集分类方法，其特征在于，所述p(xj/ci)＝(Ccx+mp)/(Cc+m)中先验概率p采用正态分布确定或统一取先验概率1/Nx。
5.根据权利要求1所述的基于朴素贝叶斯云计算路面图像采集分类方法，其特征在于，所述朴素贝叶斯分类器为：
所述朴素贝叶斯分类器的分类公式为：
其中，xj为第j个样本，
所述步骤S100中训练样本数据集为：
T＝{(x1,y1),(x2,y2),...,(xm,ym)}
其中，T为数据集，xi＝(xi(1),xi(2),...,xi(n))T，xi(j)是第i个样本中第j个特征，yi∈{c1,c2,...ck}为第i个样本所属的路面分类。
6.根据权利要求1所述的基于朴素贝叶斯云计算路面图像采集分类方法，其...
【专利技术属性】
技术研发人员：姚劢，唐岩，
申请(专利权)人：西藏宁算科技集团有限公司，
类型：发明
国别省市：西藏;54
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。