基于視覺傳感器的自主車輛地面自動辨識技術研究

摘要：該自主車輛地面自動辨識技術是以Leobot—Edu自主車輛作為試驗載體，并應用DH—HV2003UC—T視覺傳感器對常見的5種行車路面(石子路面、水泥路面、土壤路面、草地路面、磚地路面)進行圖像信息的采集，應用Matlab圖像處理模塊對其依次進行壓縮嫡碼、復原重建、平滑、銳化、增強、特征提取等相關處理后，再應用Matlab BP神經網絡模塊進行模式識別。通過對模式識別結果分析可知，網絡訓練目標的函數誤差為20％，該系統路面識別率達到預定要求，可以在智能車輛或移動機器人等相關領域普及使用。
關鍵詞：自主車輛；視覺傳感器；圖像處理；模式識別

0 引言
20世紀80年代，具有廣闊應用前景的自主車輛受到中西方各國的普遍關注。自主車輛接收的大部分信息來自機器視覺。CCD將行車路面轉換為光電圖像信息，并通過計算機進行相關處理，快速在復雜環境中提取有用信息并產生合理的行為規劃。為了滿足自主車輛地面自動辯識技術對識別率的預定要求，本文分別對地面圖像信息采集模塊、機器視覺圖像處理模塊、神經網絡模式識別模塊進行了設計與研究。

1 地面圖像信患采集模塊
該設計將上海中為智能機器人有限公司出品的教育型機器人Leobot—Edu作為試驗載體，將大恒DH—HV2003UC—T視覺傳感器安裝在車體之上，并對常見的五種行車路面(石子路面、水泥路面、土壤路面、草地路面、磚地路面)進行地面圖像信息的采集。為了提高模式識別結果的準確性，該設計中對每一路面都進行了6次采集作業，并搜集到6組地面圖像信息，將其中質量最好的一組地面圖像信息作為訓練樣本，將剩余的5組地面圖像信息作為測試樣本。本文以訓練樣本中石子路面為例，進行分析說明，其路面原圖如圖1所示。

對每個ai的偏導數為零，即可求出為最小值時的各預測系數ai。定義數據的自相關函數為：

只要已知xn的k+1個相關函數值R(0)，R(1)，R(2)，…，R(k)，即可解出k個預測系數使均方誤差最小。