智能车辆在城区交通场景中的多类障碍物识别

针对智能车辆在城区交通场景中的前向障碍物识别，提出了一种基于集成学习改进的二叉树支持向量机(BTSVM)的多类分类方法。根据城区交通场景中各类障碍物的出现概率、模式类别差异，设计了适用于智能车辆障碍物识别的BTSVM树型结构；对每个节点分类器，采用AdaBoost集成学习方法进行改进，有效减少了差错积累误差，提高了分类精度和泛化能力。试验表明该方法能有效地对城区交通场景中6类常规障碍物模式进行实时在线识别。