基于视觉传感器的自主车辆地面自动辨识技术研究

摘要：该自主车辆地面自动辨识技术是以Leobot—Edu自主车辆作为试验载体，并应用DH—HV2003UC—T视觉传感器对常见的5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)进行图像信息的采集，应用Matlab图像处理模块对其依次进行压缩嫡码、复原重建、平滑、锐化、增强、特征提取等相关处理后，再应用Matlab BP神经网络模块进行模式识别。通过对模式识别结果分析可知，网络训练目标的函数误差为20％，该系统路面识别率达到预定要求，可以在智能车辆或移动机器人等相关领域普及使用。
关键词：自主车辆；视觉传感器；图像处理；模式识别

0 引言
20世纪80年代，具有广阔应用前景的自主车辆受到中西方各国的普遍关注。自主车辆接收的大部分信息来自机器视觉。CCD将行车路面转换为光电图像信息，并通过计算机进行相关处理，快速在复杂环境中提取有用信息并产生合理的行为规划。为了满足自主车辆地面自动辩识技术对识别率的预定要求，本文分别对地面图像信息采集模块、机器视觉图像处理模块、神经网络模式识别模块进行了设计与研究。

1 地面图像信患采集模块
该设计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。为了提高模式识别结果的准确性，该设计中对每一路面都进行了6次采集作业，并搜集到6组地面图像信息，将其中质量最好的一组地面图像信息作为训练样本，将剩余的5组地面图像信息作为测试样本。本文以训练样本中石子路面为例，进行分析说明，其路面原图如图1所示。

对每个ai的偏导数为零，即可求出为最小值时的各预测系数ai。定义数据的自相关函数为：

只要已知xn的k+1个相关函数值R(0)，R(1)，R(2)，…，R(k)，即可解出k个预测系数使均方误差最小。