基于粒子群神经网络的移动机器人门牌号码识别技术研究

摘要

科学技术的不断进步推动了机器人的发展，移动机器人的应用越来越广泛，对移动机器人的研究成为当今的热点之一。本文以AS-R移动机器人为平台，针对移动机器人视觉导航问题，研究了移动机器人门牌识别技术。 利用CCD传感器来感知环境信息是移动机器人视觉中的一个关键环节。但由于传感器精度、稳定性等问题，往往使得检测到的数据变得不完全、不连续、不可靠，不能准确地、全面地实现对环境的描述，因此要实现移动机器人通过摄像头来检测与识别目标是一项艰巨的任务。 本文在总结国内外移动机器人研究成果的基础上，给合本课题的实际情况，提出了一种新的门牌检测与识别方法。在检测方面，针对移动机器人在运动的过程中所拍摄到的图像的特点，提出一种基于HSI色彩空间模型的粗定位与基于边缘特征的细定位方法来实现门牌号码的定位，并利用门牌号码的轮廓特征来实现字符分割。在识别方面，考虑到门牌号码识别特殊性，提出了一种基于字符特殊节点与粒子群神经网络相结合的新方法。该方法是利用门牌数字的字符特殊节点，进行粗分类；再通过计算字符的不变矩，利用粒子群神经网络进行细分类。与传统的识别方法相比，该方法提高了对门牌识别的准确率，而且具有较好的鲁棒性。实验验证了方法的有效性。 最后利用Visual C++集成开发环境，编程实现各模块功能，进行实际系统调试。实验结果说明移动机器人能完成任务要求，并在满足实时性的前提下，能准确检识别门牌号码，验证了所提方法的可行性和有效性。

目录

文摘

英文文摘

声明

1绪论

1.1引言

1.2移动机器人视觉的研究现状

1.3移动机器人门牌号码识别研究的意义

1.4移动机器人门牌号码识别的研究内容

1.5本文的主要工作及内容安排

2门牌图像预处理

2.1引言

2.2门牌图像采集系统硬件组成

2.3常用预处理技术

2.3.1灰度化处理

2.3.2中值滤波

2.3.3边缘检测

2.3.4直方图

2.4基于粗细定位相结合的门牌号码精确定位方法

2.4.1基于HSI色彩空间模型的门牌粗定位

2.4.2基于边缘特征的门牌细定位

2.4.3门牌定位结果处理

2.5基于字符轮廓特征的门牌号码分割

2.6本章小结

3粒子群神经网络

3.1引言

3.2神经网络简介

3.3常用的神经网络

3.3.1 BP网络

3.3.2RBF网络

3.4粒子群算法简介

3.4.1粒子群算法基本原理

3.4.2粒子群算法的特点

3.4.3粒子群算法基本步骤

3.4.4粒子群算法的参数设置

3.5粒子群神经网络

3.5.1基于粒子群算法的神经网络学习算法

3.5.2粒子群神经网络性能分析

3.6本章小结

4基于粒子群神经网络的门牌识别

4.1引言

4.2常用的字符识别算法

4.2.1基于模板匹配的字符识别

4.2.2基于字符特征识别法

4.2.3基于神经网络的字符识别

4.3基于粒子群神经网络的门牌识别

4.3.1粗分类

4.3.2细分类

4.3.3粒子群神经网络分类器设计

4.3.4判别准则

4.4神经网络参数整定实验

4.4.1样本的选取

4.4.2不同网络结构下粒子群神经网络识别结果比较

4.4.3不同参数值下粒子群神经网络识别结果比较

4.5本章小结

5移动机器人门牌识别系统设计

5.1 AS-R移动机器人实验平台

5.2实际系统工程实现

5.3实验结果与分析

5.4本章小结

6总结与展望

6.1总结与回顾

6.2进一步工作展望

参考文献