Key points are not available for this paper at this time.
A detecção de estradas é um problema crucial na aplicação de veículos autônomos e robôs móveis em estrada. A maioria dos métodos recentes obtém resultados confiáveis apenas em ambientes bem organizados. Neste artigo, descrevemos um algoritmo de detecção de estradas para câmera monocular de visão frontal usando um modelo de distribuição probabilística de estrada (RPDM) e um método de aprendizado online. A principal contribuição deste artigo é que a combinação do RPDM dinâmico e das Máquinas de Vetores de Suporte Fuzzy (FSVMs) torna o algoritmo capaz de aprendizado auto-supervisionado e aprendizado otimizado a partir da herança de resultados anteriores. A segunda contribuição deste artigo é que o algoritmo proposto utiliza suposições geométricas da estrada para extrair pontos mal classificados com base nas suposições e se re-treina online, o que facilita a identificação de pontos potencialmente mal classificados. Esses pontos desempenham um papel importante no re-treinamento online do classificador, tornando o algoritmo adaptável às mudanças no ambiente.
Zhou et al. (Sex,) estudaram essa questão.