基于支持向量机的无人机视觉障碍检测

对图7的分割效果图进行形态学操作，得到障碍检测结果图如图8所示。

图8中黑色联通部分即为无人机低高度飞行的安全区域，下面白色联通域即为需要回避的障碍，这样就成功快速地检测到了障碍，为后续的无人机视觉制导障碍回避做好了准备工作。不同于传统的模式识别方法，支持向量机不是以假设样本数目无穷大为前提进行研究的，其理论基础统计学习理论是专门针对小样本统计理论的，因此在有限样本情况下表现出良好性能，并且计算速度快，实时性好。

4 结语
本文使用具有小样本分类优势的支持向量机对未知环境图像进行分割实现无人机视觉障碍检测。该算法结合了图像空间彩色信息将图像中的感兴趣区域和非感兴趣区域区别开，体现了支持向量机在图像分割中的优越性能。实验表明，支持向量机图像分割方法可以有效准确地检测出无人机低高度飞行中的障碍，为后续无人机视觉制导提供有用信息。