文档介绍：万方数据
AGV前言AGV机电程张立茉罂摘要:针对自动引导车上的图像数字在识别时受现场环境影响大的缺陷,提出了一种基于特征融合的自动引导车图像数字识别方法,它将各工位图像数字归一化处理后,提取灰度信息、改进的穿越线特征等特征量进行特征融合计算,并输出最后结果。现场运行实验表明:在有噪声的情况下,该方法不仅能够提高图像数字的识别率,并且对由环境影响所导致的图像数字局部污染与残缺具有很好的鲁棒性。关键词:自动引导车;图像数字;特征提取;特征融合中图分类号:A文章编号:—一一AGV动化货物搬运车辆。以它为核心的生产物流智能配送系统的主要功能是:从仓库领取必要的配件,沿着设定路线,给各个工位分发指定数量的配件,自动实现“需要多少、发送多少”,并将半成品、成品运回仓库。由于工厂及物流中心多以数字表示不同的工AGV生产物流智能配送系统的实现。AGV与预先规定的工位有所偏离,从而使图像采集到的数字发生几何形变、投影形变等;同时现场环境的污染也有可能造成笔画缺损等,使得原本规则的数字发生畸变,造成识别困难。众所周知,影响数字识别的关键因素是特征的选择及提取算法的好坏¨。。常见的特征有复杂指数、1解决由于现场环境的污染造成的识别困难等问题。为AGVAGV2种特征量:灰度信息、改进的穿越线特征,采用信息融合技术对各特征量进行融合处理,并输出最后结果。数字归一化处理在提取数字信息之前,沿数字外围矩形轮廓进行切割,使数字充满整个矩形。为了消除数字点阵位置上的偏差,需要对图像数字进行归一化,本研究采用基于质心的归一化方法:先计算文字的质心,,浙江杭州;憬笱Э刂瓶蒲в牍こ萄担憬钾;尸。咖把纾誳瓺口,,叫飖陏,日躛20074LilZHOU—(1DepnrmeAPPzicoEngieeringz^g0027cino)vehicle(AGV)image收稿日期:—一基金项目:国家自然科学基金资助项目作者简介:张立,男,江西吉安人,主要从事信息融合技术方面的研究。&V0124No4Apr2007琧;:,.篴numbecharacters;out』one
万方数据
BPl尤ㄈ诤鲜涑鰈2AGVM71881Ex把质心移动到指定的位置上来;由于分割而得的字符大小尺寸不一,还需要对字符进行大小归一化。本研究采用基于按比例线性缩放的归一化方法。特征提取数字特征提取的基本原则是从众多特征中找出那些最有效的特征。一般来说,对数字的描述越细致、特征参数越多、特征空间维数越高,识别就越容易。但过多的特征参数使运算复杂,识别效果也不一定好。本研究综合考虑各种因素后,提取以下两种特征,互相弥补不足。灰度信息系统采集图像样本缤所示。选取图像的灰度信息,可使神经网络对数字符号的笔画缺损及随机噪声有较强的抗干扰性。数字归一化后,统一转换成羘的像素图,将字符像素点的灰度值作为神经网络的一个输入。改进的穿越线特征2和数字的交点作为提取数字特征和识别的手段之一,并且该方法可以避免字符在预处理过程中因发生变形、笔画残缺或者采集视角不正而对识别造成101中间穿过,可以得到鼋坏悖淮的中问穿过,有210鉴于以往的算法只是在水平方向提取穿越线特征,本研究加以改进:即在水平方向和垂直方向都进3征时