基于视觉信息处理的智能微缩车定位及控制.pptx

基于视觉信息处理的

智能微缩车定位及控制

提纲研究背景功能目标算法实现演示视频研究总结研究背景功能目标

研究背景数字识别应用门牌检测：探索复杂环境车牌识别：交通信息管理身份证识别：户籍信息管理邮政编码识别：邮件快速分拣数字识别难点没有上下文，准确性要求高识别效率与准确性的冲突

提纲研究背景功能目标算法实现演示视频研究总结研究背景功能目标

功能目标本课题主要实现了智能车在实验室楼道中自主行进，对楼道中的门牌进行数字识别，最终转入目标房间的任务。

提纲研究背景算法实现演示视频研究总结研究背景功能目标路面自主行进门牌数字分割多种数字识别进门距离检测

路面自主行进路面自主行进关键技术自适应二值化Canny算子提取边缘Hough变换提取直线多档位防丢线算法遇到难点瓷砖特征少、反光光照条件变化大两侧阴影干扰多

提纲研究背景算法实现演示视频研究总结研究背景功能目标路面自主行进门牌数字分割多种数字识别进门距离检测

门牌数字分割门牌数字分割关键技术HSV空间颜色分割中值滤波外轮廓提取轮廓坐标计算遇到难点运动模糊光照条件变化大相近颜色干扰

提纲研究背景算法实现演示视频研究总结研究背景功能目标路面自主行进门牌数字分割多种数字识别进门距离检测

提纲数字识别印刷体数字识别小号数字识别手写体数字识别归一化轮廓匹配傅里叶描述子法Hu不变矩法模板匹配多级分类器联合HOG+SVM分类器

模板匹配特点简单、直接、准确性高计算量正比于原图和目标图像素个数不具有旋转不变性和尺度不变性门牌帧数处理数字数错误数拒识数正确率391175095.73%

模板匹配模板匹配识别结果

提纲数字识别印刷体数字识别小号数字识别手写体数字识别归一化轮廓匹配傅里叶描述子法Hu不变矩法模板匹配多级分类器联合HOG+SVM分类器

归一化轮廓匹配关键步骤提取数字轮廓轮廓坐标平移、归一化补全轮廓点，定义查找起始点相同次序轮廓点间计算距离特点算法思想简单，准确率高不具有旋转不变性，具备尺度不变性计算量较大

归一化轮廓匹配归一化轮廓匹配识别结果门牌帧数数字数错误数拒识数正确率341025194.12%

提纲数字识别印刷体数字识别小号数字识别手写体数字识别归一化轮廓匹配傅里叶描述子法Hu不变矩法模板匹配多级分类器联合HOG+SVM分类器

傅里叶描述子特征匹配关键步骤图像线性变换为复图像实部复图像离散傅里叶变换选择归一化参数每个像素点两个通道值计算傅里叶系数两个轮廓取前八个系数计算欧式距离特点算法理论深厚，简单高效，准确率较高具有旋转不变性和尺度不变性

傅里叶描述子特征匹配归一化轮廓匹配识别结果门牌帧数数字数错误数拒识数正确率339919278.78%

提纲数字识别印刷体数字识别小号数字识别手写体数字识别归一化轮廓匹配傅里叶描述子法Hu不变矩法模板匹配多级分类器联合HOG+SVM分类器

Hu不变矩匹配特点只能计算到三阶，复杂纹理细节识别率低具有旋转不变性和尺度不变性错误分析数字分割后较小，算法不适合运动模糊对识别有影响门牌帧数数字数错误数拒识数正确率113325024.24%

提纲数字识别印刷体数字识别小号数字识别手写体数字识别归一化轮廓匹配傅里叶描述子法Hu不变矩法模板匹配多级分类器联合HOG+SVM分类器

多级分类器识别关键步骤归一化轮廓法识别傅里叶描述子法识别模板匹配法识别算法可靠性评估输出策略选择特点算法简单高效，准确率很高额外计算量小

多级分类器识别多级分类器识别结果方法名称识别次数错误数错误率作废数作废率正确率归一化轮廓10254.90%0095.10%傅里叶描述子12541.67%0058.33%模板匹配7114.29%0085.71%多级分类器10210.98%10.98%98.04%

提纲数字识别印刷体数字识别小号数字识别手写体数字识别归一化轮廓匹配傅里叶描述子法Hu不变矩法模板匹配多级分类器联合HOG+SVM分类器

小号数字识别出现问题识别率不高使用分类器没有明显改善问题分析子算法不具有放缩不变性运动模糊对于识别影响增大

提纲数字识别印刷体数字识别小号数字识别手写体数字识别归一化轮廓匹配傅里叶描述子法Hu不变矩法模板匹配多级分类器联合HOG+SVM分类器

手写体数字识别关键技术方向梯度直方图(HOG)特征支撑向量机(SVM)分类器特点HOG特征对光学和几何形变有很好不变性识别准确，速度慢

手写体数字识别手写体数字识别结果

提纲研究背景算法实现演示视频研究总结研究背景功能目标路面自主行进门牌数字分割多种数字识别进门距离检测

进门距离检测问题引入初始化时在其他瓷砖线上，或者不在瓷砖线上怎么办？初始化在其他线上：路面自主行进没有影响使得门牌数字或大或小，识别精度稍有下降重点在如何在不同线上都能拐入目标房间初始化不在线上：路面行进时前期按丢线算法走，最终识