论文摘要
CyberCar(区域智能车辆)是一种微型低速无人驾驶电动智能车辆,它可以在人流密集区域进行人员和货物的运输。CyberCar的应用有利于提高资源利用率,缓解交通拥挤,降低噪声和环境污染。为此,我们开发了一种基于视觉导航的CyberCar,并采用LED数字编码进行站点设置。为克服以前所研究基于灰度信息的数字识别方法在复杂环境条件及数字变形时易出现误识别的问题,本文采用了基于彩色信息的LED数字编码分割与识别方法。本文首先根据课题组前期研究工作识别出的导航路径间断区间及先验知识确定数字存在的感兴趣区域,并利用HSI彩色空间的色度分量H信息验证数字的存在。对存在数字的彩色图像,采用课题组以前开发的CyberCar光照分类器确定其光照条件。然后,本文研究了基于区域生长的方法和聚类的方法实现对彩色数字图像的分割,并分析了不同光照条件的数字图像特点,确认在正常光照条件下,直接采用区域生长分割算法实现数字图像的分割;在强光照条件下,先对HSI彩色空间中的H分量和S分量进行锥形拉伸后再调用区域生长分割算法实现数字图像的分割;在弱光照条件下,先采用彩色中值滤波对数字图像进行去噪处理,再对HSI彩色空间中的H分量和S分量进行锥形拉伸,并调用区域生长分割算法实现数字图像的分割。在此基础上,对分割后的数字图像进行二值化。本文最后研究了基于形态学的决策树方法和基于数字结构特征模板匹配方法实现对数字的识别,并进行了相关试验分析,最终提出采用基于数字结构特征模板匹配方法实现对数字的识别。相关实验表明,本文采用的数字分割与识别算法能很好的实现彩色数字图像的分割,其识别结果准确,并具有较高的鲁棒性。