探测车基于可视路标的全局定位

基于全景视觉的定位系统采用可视人工路标作为定位依据.为避免复杂的路标制作过程,提高导航的灵活性和方便性,采用简单的彩色立方体作为定位路标.同时,为避免路标的误识别导致误定位,提出了利用路标组特征匹配的方法,提取路标组中具有尺度不变性和旋转不变性的路标组特征进行路标识别,且利用路标组里的路标信息通过3点定位原理得到探测车当前的位置,结合人机交互的路径规划判断定位的可信度,提高定位的正确度,保证车子的安全性.通过软件仿真和现场实验,证明了该视觉定位系统可避免以往基于可视路标定位存在的不稳定性,大幅度减少了定位错误概率.     

一种机器人导航中数字路标的分割和识别方法

基于路标的移动机器人视觉导航的基础上,提出了一种基于边缘点数量统计和FCM(Fuzzy C-means)聚类的路标图像分割方法。在对分割后图像进行维纳滤波,二值化等预处理的基础上,完成了数字路标的识别。通过实验证明,该算法能实时地完成数字路标的分割和识别,有效地应用于移动机器人的视觉导航。     

一种机器人导航中数字路标的分割和识别方法

基于路标的移动机器人视觉导航的基础上,提出了一种基于边缘点数量统计和FCM(Fuzzy C-means)聚类的路标图像分割方法.在对分割后图像进行维纳滤波,二值化等预处理的基础上,完成了数字路标的识别.通过实验证明,该算法能实时地完成数字路标的分割和识别,有效地应用于移动机器人的视觉导航.     

基于YOLOv3算法和深度特征的地点识别方法

针对视点、外观等因素变化给地点识别应用带来的不利影响,设计了1种基于显著路标及深度特征的地点识别方法.首先分割图像中的显著物体作为候选路标;然后设计YOLOv3算法网络,对候选路标进行识别,以删除不适合环境建模的特定对象类型;最后在图像相似度测量中,利用中层卷积层的性能特点,提取候选路标的卷积神经网络(convolutional neural networks,CNN)特征,并结合降维操作,提升匹配效率.在3个具有挑战性的公开数据集上进行了试验,与FAB-MAP、SeqSLAM和Place-CNN等先进方法进行了比较,该方法的平均识别精度达到71.22％,优于其他3种方法,表明经过筛选的显著路标的CNN特征可以抵御强烈的视点和外观变化.     

基于一种层叠分类器的无人直升机路标识别算法

针对复杂的野外环境造成的图像表象变化给无人直升机飞行过程中路标识别带来的困难,分析了常规神经网络分类器和Hu不变矩分类算法的优、缺点,提出一种利用二级神经网络结合不变矩等特征构成的层叠分类器的路标识别算法,给出了算法的原理和结构.实验结果表明,此算法不仅能获得更好的识别效果,而且能提供路标的方位信息,可作为无人直升机视觉导航系统和进行姿态估计时的参考信息.     

一种鲁棒的室外移动机器人路标定位系统

针对移动机器人室外作业需要,提出了一种对光照度的大范围变化具有良好鲁棒性的路标识别与定位系统.通过近红外光主动照明来降低可见光照度变化和阴影等因素对视觉的影响;利用全景视觉系统获取大范围的路标信息,采用动态大津法实现二值化,突出了光照度不均情况下的路标特征,以提高路标的识别率.室外环境下移动机器人定位实验结果表明,该方法对于大范围变化的光照度具有良好的鲁棒性.     

基于SIFT算法和PyQt的停车位标志识别系统

本研究以停车位标志为研究对象,将SIFT经典算法应用到道路环境路标识别技术中,并基于PyQt库设计了道路标识牌识别系统可视化界面,能够实现道路环境图像读取、路标检测以及识别等功能.利用停车位标志特有的颜色特征,首先在HSV颜色空间对蓝色标识牌区域进行定位和分割,然后通过SIFT算法进行特征提取,并与《道路交通标志和标线》(GB 5768.2—2009)中规定的现有标准停车位路标进行特征匹配分类,得到识别结果.实验结果表明,系统界面交互性强、操作便捷,可以直观展示停车位交通标志的识别过程,识别准确率基本能达到95%左右,准确率较高.     

一种基于BoW物体识别模型的视觉导航方法

针对复杂的室内环境,提出一种新的动态环境下的移动机器人视觉导航方法.该方法以室内常见物体作为自然路标,通过单目视觉建立识别模型来认知环境中的各种物体.首先对室内常见物体建立图像库,并对库中的大量图像采集SIFT特征;然后通过BoW模型来描述各幅图像,针对每类物体利用线性支持向量机(SVM)训练出物体识别模型;最后借助交互的手绘地图描述室内环境,移动机器人从中获得辅助路径以及自然路标的大概位置,从而完成导航任务.通过大量实验,从自然路标变化、目的区域变化、手绘地图偏差等多角度验证该方法的鲁棒性.实验结果表明,该导航方法操作简单高效,并具有人机交互性强、动态环境下适应能力高的优点.     

一种基于视觉信息的自主搬运机器人

提出了一种利用视觉信息进行定位和抓取的自主机器人搬运系统,此系统由带有两自由度操作手的轮式移动机器人和远程控制站组成。机器人利用视觉系统识别路标信息,采用MonteCarlo方法进行自定位。当靠近目标物体时,机器人利用视觉系统识别目标,并在利用该信息引导下自动抓取。由于机器人的运行是靠视觉系统获取的路标信息和目标物体信息引导的,同时具有遥操作控制功能,因此该系统能轻松完成复杂环境下搬运物体的任务。     

交比不变量在机器视觉中的误差分析及应用

研究成像过程中交比不变量的误差问题.介绍了如何利用两个黑条来构造共线4点的交比;分析了图像像素噪声对交比值精度的影响;给出了一个与摄像机外部参数有关的交比误差不等式,得到了交比误差上下限.利用交比不变性设计了一种结构简单的新型人工路标,这种路标对各种视角及变光照条件下的检测具有很高的鲁棒性.真实图像的检测结果表明,这种人工路标易于识别,被检速度快而准.这对单目自主移动机器人基于人工路标的视觉定位与导航具有重要的实际应用价值.     

基于卷积神经网络的低分辨雷达目标一步识别技术

现有低分辨雷达目标识别通常采用先特征提取、再进行目标分类的两步识别算法,存在识别率难以提高和方法泛化性不足的问题,因此提出了一种基于卷积神经网络(CNN)的低分辨雷达目标一步识别算法。该算法直接将采样数据作为输入,利用设计的一维CNN,通过卷积池化等操作自动获取数据深层本质特征,无需特征提取,实现对目标的一步识别。仿真实验结果表明:基于CNN的低分辨雷达目标一步识别方法的识别率较传统基于提取特征的两步识别方法提高了10.31%,识别时间较传统两步识别方法减少了0.142 s,充分证明了一步识别方法的有效性,为低分辨雷达目标识别问题提供了新的解决途径。     

藏文联机手写识别的难点及其解决方法

通过分析各种联机手写识别方法(统计模式识别方法、结构模式识别方法、结构和统计模式识别方法) 以及藏文自身的特点,总结出藏文联机手写识别的方法.     

基于数据集的人脸识别算法比较分析

非线性人脸识别技术已经在技术上得到了较大的进步,数据集大小对识别方法的影响成为研究热点.针对大型数据集对线性和非线性入脸识别方法有何种不同的影响等问题,先后进行了类内变化对识别方法的影响和人数对识别方法的影响的一系列实验和讨论.研究结果表明随着人数的增加,线性方法的错误识别率呈线性增长,而非线性技术的误判率基本上保持不变化.在人数增多的情况下,识别率却产生降低的情况.并指出在研究大型数据集时,非线性方法具有一定的优势.     

基于原型匹配理论的一种模式识别方法研究

本文结合认知心理学中有关模式识别的研究成果,提出了一种新的模式识别方法——基于原型匹配理论的模式识别方法。文中方法定义一个模式识别问题由原型、结构、组合法则构成,这三要素组成原型库和知识库对被识别客体进行识别。文中探讨了基于原型匹配理论的模式识别方法的识别机理、数学模型、识别算法,并对印刷体数字字符识别问题进行了实验研究,实验结果表明文中方法的有效性。     

基于多级分类器的自由手写数字在线识别

设计了一种用于手写字符在线识别的多级分类器模型。在该模型中,通过对四个独立的分类算法进行集成,将脱机方法与联机方法,神经网络方法与传统方法有机地结合起来构成一个完整的手写字符在线识别系统。理论分析和实验结果表明,该集成系统比单一系统具有明显的优越性。     

基于矢量量化的仿生模式识别方法研究

该文探索了另一种新的仿生模式识别算法:基于矢量量化的仿生模式识别,用高维空间闭域作为同源类模板,并将其应用于语音关键词识别。实践表明仿生模式识别方法有许多优点,能够有效降低识别的错误率,识别效率优于传统模式识别方法。     

基于虚拟仪器技术的VQ-SVM并行说话人识别系统

摘要：说话人识别混合方法是目前研究的热点,基于虚拟仪器技术并融合说话人识别技术,提出矢量量化和支持向量机方法结合,依托MATLAB实现运算,由LabVIEW以多任务管理和调用MATLAB来实现说话人并行识别处理。经自建小样本语料库仿真实验,结果表明：系统识别率98.54%、误识率5.28%、识别时间0.25秒,较单一矢量量化和支持向量机方法识别率分别提高了3.66%和1.16%,误识率分别降低了6.01%和4.43%;随着样本数的增多,矢量量化方法识别率呈上升趋势,而支持向量机方法识别率呈下降趋势。由此可见：两种方法优势互补实现并行识别可提高系统主体性能。     

基于QGA—BP神经网络的人脸识别技术研究

本文介绍了人脸识别的发展概况和人脸识别的主要方法。提出了一种基于QGA和BP神经网络相结合的人脸识别方法。首先使用M—FastlCA方法进行人脸特征提取,然后采用QGA-BP神经网络作为人脸识别的分类器,仿真实验具有较好的识别效果,表明本文方法是一种可行的人脸识别方法。     

基于模糊判别准则和特征加权模板匹配的字符识别

字符识别算法的设计作为光学字符识别的最关键步骤,直接影响到字符识别的精度和速度。运用特征加权模板匹配算法并结合基于模糊原理的判别准则,设计了一个字符识别算法。该算法从当前应用最广泛的模板匹配法入手,对标准模板匹配算法加以改进。在此基础上利用模糊理论作为判断标准来进行字符识别。所提算法能够充分区分开字符笔画和非笔画部分对字符识别的影响大小,从而有效地提升了识别率和鲁棒性。从实验结果来看,该算法性能较优。     

一种模板匹配和神经网络的车牌字符识别方法

提出了一种基于模板匹配和神经网络的车牌识别方法。该方法集成了模板匹配识别车牌字符和神经网络识别车牌字符的优势,可有效地提高车牌字符的识别率、识别速度和识别系统的泛化能力。实验结果表明：大多数情况下,该方法的识别率超过90%,识别时间不超过1200ms,能有效地识别各种车牌中的字符,满足实际系统的要求。