📄 ml.htm
字号:
<!ArtChnTitle>
<!ArtChnAuthor>
<!ArtAuthorAddress>
<!ArtChnAbstract>
<!ArtChnKeyword>
<!ArtEngTitle>
<!ArtEngAuthor>
<!ArtEngAbstract>
<!ArtEngKeyword>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<meta name="GENERATOR" content="Microsoft FrontPage 5.0">
<title>学位论文－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</title>
<style>A:link {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:visited {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:active {FONT-FAMILY:宋体; TEXT-DECORATION: none}
A:hover {COLOR: #000000;TEXT-DECORATION:none}
BODY {FONT-FAMILY:宋体; FONT-SIZE: 9pt;TEXT-DECORATION:none}
TABLE {FONT-FAMILY: 宋体; FONT-SIZE: 9pt}
.H1 {FONT-SIZE: 9pt; COLOR: #0000cc}
.ourfont {FONT-SIZE: 9pt; LINE-HEIGHT: 14pt}
select {font-size:12px;}
.wx {BACKGROUND: #001863; BORDER-BOTTOM: white 1px solid; BORDER-LEFT: white 1px solid; BORDER-RIGHT: white 1px solid; BORDER-TOP: white 1px solid; COLOR: #ffffff; FONT-SIZE: 9pt; FONT-STYLE: normal; FONT-VARIANT: normal; FONT-WEIGHT: normal; HEIGHT: 18px; LINE-HEIGHT: normal}
.wx1 {border-top: #c0c0c0 1px;border-left: #c0c0c0 1px;border-right:#c0c0c0 1px;border-bottom:#c0c0c0 1px;border-style:inset;background-color:#ffffff;vertical-align:text-bottom}
</style>
</head>
<body bgcolor="#FFFFFF" link="#000000" background="../image/bg.gif">
<img src="../../images/xwlwk.jpg" width="750" height="94">
<table width="83%" border="0" cellspacing="0" cellpadding="0">
<tr>
<td width="19%"><p> </p>
<p></p></td>
<td width="81%"><p>馆藏号：Y1153818<br>
<br>
论 文 题 目：<strong style="font-weight: 400">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</strong><br>
学位授予单位：南京理工大学<br>
作 者：莫国梁<br>
申请学位级别：硕士<br>
学 科 名 称：控制理论与控制工程<br>
指 导 教 师：郭健<br>
出 版 时 间：20070709<br>
摘 要：<br>
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。<br> 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。<br> 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。<br> 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。<br> <br>
分 类 号：TP242.2;TP391.41<br>
关 键 词：移动机器人;图像处理;粒子群神经网络;不变矩;门牌识别
<p align="center">
<table width="80" border="0" cellspacing="0" cellpadding="0">
<tr>
<td bgcolor="#cccccc">
<table width="100%" border="0" cellspacing="1" cellpadding="0">
<tr style="CURSOR: hand">
<td bgcolor="#CCCCCC" onMouseOver="this.bgColor='#999999';" onMouseOut="this.bgColor='#cccccc';" valign="bottom" height="18" NAME="NAME_BALL" STYLE="cursor:hand" child="FALL"><div align="center"><strong><font size="4"><a href="index.htm">PDF正文</a></font></strong></div></td>
</tr>
</table></td>
</tr>
</table>
</td>
</tr>
</table>
<div align="center"></div>
</body>
</html>
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -