基于神经网络的图像识别技术在机器人视觉系统中的应用

摘要

随着计算机和通讯技术的发展，在智能机器人系统中，环境感知与定位、路径规划和运动控制等功能模块趋向于分布式的解决方案，从而各个功能模块并行执行，提高了系统的实时性和稳定性。 在环境感知环节，视觉处理是关键。本论文在研究机器视觉理论的基础上，根据智能机器人视觉系统所要完成的具体识别任务，运用数字图像处理技术对获得的图像进行处理，然后用神经网络法进行识别。对于智能机器人，根据具体要求，可以对不同的物体或图像命令进行识别，在本系统中，机器人要对数字和手势两种图像命令进行识别，主要研究了机器人对数字和手势图像的不同处理方法，并以VisualC++6.0为平台，进行了图像识别的软件设计。 具体来讲，本论文主要完成了以下工作： 首先，详细介绍了机器视觉和数字图像处理的基础理论、当前的发展现状及应用情况，并讨论了二者结合的必要性、可行性。 其次，研究了图像识别的几种方法(统计模式识别、句法模式识别、神经网络法)。由于神经网络技术具有很强的自适应性、学习性和容错性，因此被广泛应用于各个领域。在本论文中，充分利用了神经网络的以上特点，将其应用于图像识别中，实现了对图像命令的识别。深入研究了人工神经网络的工作原理、结构设计及其在图像识别应用中应注意的问题和改进方法。 再次，详细研究了对不同图像所采用的不同处理方法。在本论文中，对字符图像，主要涉及到对真彩色图像的灰度化处理、二值化处理、字符的提取、校正、归一化处理。针对图像倾斜的情况，首先进行边缘检测，根据检测结果，再用霍夫变换法对图像进行倾斜度纠正。对手部图像，在YUV域中，首先将待识别图像从复杂背景中划分出来，这样再进一步处理，然后利用神经网络法进行识别。对以上两种图像，本论文都获得了较好的识别效果。 最后，给出了部分实验中获得的图像，并对实验结果进行了分析，指出了本论文存在的问题以及今后继续研究改进的方向。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权的声明

第一章绪论

第二章机器人视觉系统的组成及原理

第三章 模式识别与人工神经网络理论

第四章数字和手势图像的处理与识别

第五章实验结果及分析

参考文献

致谢

硕士期间发表论文