基于神经网络的图像识别技术在机器人视觉系统中的应用

随着计算机和通讯技术的发展,在智能机器人系统中,环境感知与定位、路径规划和运动控制等功能模块趋向于分布式的解决方案,从而各个功能模块并行执行,提高了系统的实时性和稳定性。 在环境感知环节,视觉处理是关键。本论文在研究机器视觉理论的基础上,根据智能机器人视觉系统所要完成的具体识别任务,运用数字图像处理技术对获得的图像进行处理,然后用神经网络法进行识别。对于智能机器人,根据具体要求,可以对不同的物体或图像命令进行识别,在本系统中,机器人要对数字和手势两种图像命令进行识别,主要研究了机器人对数字和手势图像的不同处理方法,并以visual C++6.0为平台,进行了图像识别的软件设计。 具体来讲,本论文主要完成了以下工作: 首先,详细介绍了机器视觉和数字图像处理的基础理论、当前的发展现状及应用情况,并讨论了二者结合的必要性、可行性。 其次,研究了图像识别的几种方法(统计模式识别、句法模式识别、神经网络法)。由于神经网络技术具有很强的自适应性、学习性和容错性,因此被广泛应用于各个领域。在本论文中,充分利用了神经网络的以上特点,将其应用于图像识别中,实现了对图像命令的识别。深入研究了人工神经网络的工作原理、结构设计及其在图像识别应用中应注意的问题和改进方法。 再次,详细研究了对不同图像所采用的不同处理方法。在本论文中,对字符图像,主要涉及到对真彩色图像的灰度化处理、二值化处理、字符的提取、校正、归一化处理。针对图像倾斜的情况,首先进行边缘检测,根据检测结果,再用霍夫变换法对图像进行倾斜度纠正。对手部图像,在YUV域中,首先将待识别图像从复杂背景中划分出来,这样再进一步处理,然后利用神经网络法进行识别。对以上两种图像,本论文都获得了较好的识别效果。 最后,给出了部分实验中获得的图像,并对实验结果进行了分析,指出了本论文存在的问题以及今后继续研究改进的方向。