29、用于地面识别的旋转不变且抗噪声的二进制描述符（BIRRN）

用于地面识别的旋转不变且抗噪声的二进制描述符（BIRRN）

一、引言

城市结构（如线条、平面等）的识别对计算机视觉系统而言十分有用，因为它能提供丰富的场景信息，有助于理解场景。人造场景的地面外观具有一致性，可用于提升多种计算机视觉应用的性能。例如，地面识别可作为初步线索，为自动驾驶车辆导航推断道路。

目前，地面识别主要有以下几种趋势：
1. 使用外部设备 ：如利用射频识别或压力传感来解决地面识别问题。然而，地面信息的获取会受到多种环境因素的影响，像道路的材质类型、形状（是否不平坦、有颠簸等）。
2. 多视图图像分析 ：分析从不同相机视角捕获的同一场景的两张或更多图像，部分工作还会扩展到使用同时定位与地图构建（SLAM）算法，通过该算法估计云点和相机姿态，并用于地面分割问题。但这种方法通常需要拟合算法（如RANSAC）和优化技术，且需要设置多个阈值和进行专门调优，以确保在特定场景下有高性能表现。此外，它还需要足够的视差，即相机视角之间存在一定差异才能获得准确结果。
3. 单图像地面识别 ：这种方法无需阈值和视差约束，在户外场景下具有较高稳定性，且大多使用RGB相机作为唯一的传感机制。同时，历史图像、互联网图像、个人照片、假日照片等大量单视图图像，为单图像地面识别算法提供了理想的测试平台。

本文聚焦于单图像地面识别问题，旨在提高在图像退化（如模糊、光照变化、噪声等）情况下的性能。与以往通过语义分割对输入图像的每个像素进行分类的方法不同，本文提出了一种将图像区域与地面模式相关联的新方法，使用了一种新的二进制描述符，该描述符对图像退化、噪声具有鲁