菜鳥看論文——地面估計的研究趨勢（二）

參考：

16.Identifying Good Training Data for Self-Supervised Free Space Estimation

1.計算V視差圖

2.二值濾波算法（只含有地面相關線的點）

參考：

15.Ground segmentation and occupancy grid generation using probability fields

3.貝葉斯線性迴歸（沒看懂。。。。。）

（1）假設d是v的二階多項式函數

 （2）對應條件概率爲：

  

 

  

  

其中是誤差的高斯估計的正確率，是權重的高斯估計的正確率，從而得到只關於，估計的貝葉斯估計。

   （3），的估計爲：

 

 

 （4）最後的分佈爲：

 

 只有三個參數：一個是估計參數的初始化值（計算，），收斂公差（非常小：10e-10)和置信區間(30%)

4.v-SVC分類器

（1）圖像分塊（5*32個block），塊當中含有10%以上元素是地面的則作爲訓練塊（由第一階段得到）

參考：

07.Traversability classification for ugv navigation: A comparison of patch and superpixel representations

（2）每個塊提取20維特徵矢量，包括：

 

（3）v-SVC設置參數：訓練數據是支撐向量的概率（=1），核尺度，離羣點分數（=5%)，這種設置是基於訓練數據中很少有錯誤標記的數據的假設，這體現了第一階段訓練時候要嚴格。

參考：

95.Sv estimation of a distributions support

（4）計算召回率（=真陽率，衡量分類器估計的地面佔真實地面的比率，FP/(FP+TN)),，正確率（衡量分類器估計的地面中正確的地面的比率，TP/(TP+FP)），以及明確性（正確識別障礙物的比率，TN/(TN+FN))Specificity=TN/(FP+TN)=1-FPR FPR=FP/(FP+TN)

 

 

參考：

13.A multi-baseline stereo system for scene segmentation in natural environments

08.Online, selfsupervised terrain classification via discriminatively trained submodular markov random fields

07.Traversability classification for ugv navigation: A comparison of patch and superpixel

representations