基于视觉传感器实现道路信息的理解是目前移动机器人自主导航的重要研究方向，其中道路图象的正确分割 是提取有效路径信息的关键。该文针对复杂、干扰因素多的室外环境下传统方法难以实现道路图象正确分割的问题，提 出了一种基于’() 神经网络的道路图象分割方法。该方法通过选取道路图象的归一化色彩分量为特征向量，应用基于 ’() 学习算法的神经网络分类器进行道路与非道路识别；为解决环境噪声对神经网络输出的影响，本文设计了串行级联 式四阶形态滤波器实现对神经网络输出的分割图象的滤波处理。通过对实

用Haar特征构建级联分类器的方法，在opencv环境下快速实现级联的adboost-Features with the Haar classifier cascade method of construction, environment, fast implementation in opencv cascade adboost

用于眼睛定位二维级联分类器的介绍，内容不错，不过是英文的-2D Cascaded AdaBoost for Eye Localization

通过改进基于Haar-like特征和Adaboost的级联分类器，提出一种融合Haar-like特征和 HOG特征的道路车辆检测方法-By improving based on Haar-like features and Adaboost cascade classifier, presents a fusion of Haar-like features and characteristics of HOG road vehicle detection method