可行驶区域（free space）检测
深度学习以前的可行驶区域检测，有两种方法，一是基于双目摄像头立体视觉或者Structure from motion， 二是基于局部特征，马尔科夫场之类的图像分割。结果是这样的：
绿色部分是可行驶区域检测，看着还不错对不对？ 但是注意左边的绿色部分涵盖了马路“倒鸭子”（雷锋网按：路边石）以及人行道部分，因为“倒鸭子”也就比路面高十厘米左右， 靠立体视觉是很难跟马路区分开来的。而传统的图像分割也很困难，因为局部特征上，“倒鸭子”上和路面的颜色极其接近。区分二者需要对环境整个context的综合理解。
自从有了深度学习可以做scene understanding之后，这个问题终于被攻克了：
绿色部分还是可行驶区域，马路右边的路肩跟路面的高度相差无几，颜色texture也是一模一样，用立体视觉的方法不可能区分开来。
而且不仅仅可行驶区域的边界准确检测出来了，连为什么是边界的原因也可以检测出来：
红色表示是物体跟道路的边界，鼠标位置那里表示的是Guard rail(护栏)，而上一张图应该是Flat。这样在正常情况下知道哪些区域是可以行驶的，而在紧急情况下，也可以知道哪里是可以冲过去的。
当然，相较于第一部分，这一部分的原理是比较清楚的，就是基于深度学习的scene understanding。学术界也有蛮不错的结果了，比如下图(Cambridge的工作)，路面跟倒鸭子就分的很好(蓝色跟紫色)：
