论文摘要
本论文中所研究的自主车辆地面自动辨识技术是基于视觉传感器的地面图像信息自主识别技术,在智能移动机器人和军事工业等诸多领域具有广泛的应用前景。在本设计中将上海中为智能机器人有限公司出品的教育型机器人Leobot-Edu作为试验载体,将大恒DH-HV2003UC-T视觉传感器安装在车体之上并对常见的五种行车路面（石子路面、水泥路面、土壤路面、草地路面、砖地路面）进行地面图像信息的采集。本设计中,对每一种路面共进行了六次采集作业,将其中质量最优的一组地面图像信息作为训练样本,将剩余的五组地面图像信息作为测试样本。而后应用MATLAB图像处理模块对训练样本中的五种常见行车路面图像信息依次进行了图像压缩编码、图像复原重建、图像平滑、图像锐化、图像增强、图像特征提取等相关处理。本设计中,图像压缩编码应用了线性预测编码方式;图像复原重建应用了维纳滤波复原法;图像平滑应用了低通滤波法和中值滤波法;图像锐化应用了图像模糊方式;图像增强应用了直方图修正方式;图像特征提取中提取了8连接边界特征、4连接边界特征、面积比特征、欧拉数特征、角点特征、矩特征等六种典型图像特征。然后应用MATLAB中BP神经网络模块进行模式识别。本设计中,BP神经网络模式识别模块主要分三大部分:基于newff函数的网络建立;基于train函数的网络训练;基于sim函数的网络测试。在上述试验研究的基础之上,本设计将研制一台集图像采集模块、图像处理模块、模式识别模块于一体的自主车辆机器视觉自动辨识样机系统。通过对模式识别结果分析可知:网络训练目标函数误差为20%,本系统路面识别率达到预定要求,可以在智能车辆、移动机器人和教学试验等相关领域普及使用。