菜鳥看論文——地面估計的研究趨勢（一）

參考：

15.Ground Segmentation and Occupancy Grid Generation Using Probability Fields

步驟：

1.計算視差圖（the Daimler Urban Segmentation dataset以及SGB算法

2.計算v-視差圖

3.對v-視差圖進行濾波：得到只含有一條斜線的v-視差圖

 （1）利用Sobel濾波器，加強水平邊緣，減輕垂直邊緣。

（2）二值化（閾值採用Otsus閾值選擇方法）

（3）形態學開操作去除散點

參考：

14.Estimation of Longitudinal Profile of Road Surface from Stereo Disparity using Dijkstra Algorithm

地面點包括：

（1）每列中的最大值

（2）每列中佔比大於預定值（0.9）的點

 

4.對濾波後v視差圖隨機變量（v，d）進行聯合分佈統計

（1）計算一階矩（均值），二階中心距（方差）

（2）計算協方差矩陣

  

（3）計算相關係數（相關係數=1的充要條件是v與d有線性關係）

（4）如果相關係數不足夠大（》0.95），則不斷增加閾值（+0.001），在新閾值下的v視差濾波圖上計算（以對抗v視差較壞情況下的估計問題）。

 5.計算佔用概率

（1）假設d服從高斯分佈，即：

 

 （2）求解直線參數

 

 

（3）求解d分佈的參數，計算分佈概率

  （4）計算ROC曲線（沒看懂。。。。）

參考：

15.Ground Segmentation and Occupancy Grid Generation Using Probability Fields

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

缺點：

1.假設地面是面積最大的傾斜面，如果更大的傾斜平面，則會誤檢測，並且兩個平面也不符合高斯分佈的假設。

2.高斯分佈的模型參數是經過離線訓練的，當應用於新的場景下時候，用於分割的分類閾值可能不準確

3.線估計的參數依賴於濾波後有效區域的尺寸和大小，可能出現過擬合問題