本帖最后由 DEMOK 于 2012-12-21 11:14 编辑
先普及一下模式识别的基础知识吧~~~~ 随着信息化的进程，人们越来越希望通过计算机可以实现人类的只能，用计算机来实现人的视觉、触觉、听觉等功能。模式识别就在这个时候应用而生。模式识别主要由信息获取、预处理、特征提取、分类器设计以及分类器决策五部分组成。 首先，你的智能车面对的是，茫茫一片纯白的KT板上铺着的一条黑色引导线，偶尔还会有蓝色的地板色映入眼帘。如何让你的智能车精确识别跑道上连贯的黑色引导线呢，下面就开始了你的模式识别应用之旅。 1 信息获取 为了使单片机能够对赛道进行识别，首先必须将赛道特征用单片机所能接受的形式表示。所以需要将赛道的图像信息通过传感器转换成电信号，电信号再进过A/D转化，最终转化为能被单片机处理的数字量。这就是信息获取的过程。信息获取需要与之相对应的传感器，识别图像，我们就选择图像传感器，或许我们就想到了OV6620，就以这款数字摄像头为例。由于OV6620内部集成了A/D转化的功能，省去了片内转化的过程；这样，单片机就可以直接捕捉OV6620的数据输出端，将每一帧的图像的灰度值存储在二维数组里面，以待你的下一步处理，这就是信息获取。 2 预处理 预处理的目的是除去信息获取过程中掺入的干扰和噪声，人为地加强有用信息，并对种种因素造成的退化现象进行复原。在预处理阶段完成的工作主要有滤波、坐标变化、图像复原、图像增强、区域分割、边界检测等。预处理的过程是真个系统设计的关键环节，因为你信息获取的数据不单只有白板黑线的数据，而且可能有蓝地板的数据；因为你信息获取的数据不单只有地面的有效数据，而且可能有外界光线的干扰数据；所以，要进行原始数据的去噪。二值化数据时一种有效的方法，二值化后就把OV6620摄像头的模式大大简化了，在它的模式中，只有黑和白，只有0和1。在人眼的模式中，赛道是连续的，不可能有中断的情形；赛道宽度是有限制的，不可能很宽也不可能很窄；赛道是平滑的，不可能有跳变的情形。根据这些，我们对赛道进行去噪滤波，限幅滤波，中位值滤波等等，人为地得到了我们想要的，也是最接近真实赛道的数据。 3 特征提取 由于信息获取的原始数据量一般都会是相当大的，为了有效地实现识别，要对原始数据进行变化处理，得到最能反映分类本质的特征，对这些特征组成的数据，作为有效数据使用。二值化的数据量依然很庞大，XS128不是DSP，单用单片机去处理这些数据，显然吃不消，所以我们要提取出赛道的特征。赛道的模式或许很简单，你可以简单地分为直道和弯道，也可以分为直道，小S弯和大S弯，还可以再分。分再多也没关系，毕竟你能分得出来，就说明各中模式有自己的特征，我们要做的就是在上一步的数据中提取这些特征出来，常见的有曲率计算法，斜率计算法，正切计算法等等。不论哪些方法，都是为了提取出赛道的特征。 4 分类器设计 把待识别模式分配到各自的模式类中去，必须设计出一套分类判别规则。这样才能把识别出来的赛道模式进行准确地分类，以便进行下一步的操作处理。特征值提取出来不能闲置，我们要对这些不同的特征进行分类，正如上面所说，赛道的特征出来了，分为几类就看你怎么处理了，我们更想知道的是，在你分的类别中，会各自进行怎么样的决策。 5 分类决策 分类器按已确定的分类判别规则对赛道模式进行分类判别，输出分类结果，进行各自的控制，这就是分类决策。类别分好了，赛道的模式识别好了，你可以进行分类的决策了，充分发挥自动控制的精髓吧，入弯减速出弯加速，弯道切内，小S直冲，控制策略就在这里诞生了。 上述每一个阶段设计的好坏都会对整个系统的性能产生严重的影响，所以每一个阶段都应该争取尽可能完美的效果。
到此，你明白你的摄像头小车用了多少模式识别的东西了吧~~~~~~~~
PDF版本： 第八届智能车摄像头技术交流群 群号：108190422
第八届智能车光电技术交流群 群号：132879827
第八届智能车电磁技术交流群 群号：118404899（已满）
第八届智能车电磁技术交流群② 群号：287996146
| 
[复制链接]
发表于 2011-3-25 14:36:54
微信
收藏
转播
分享
顶
踩
提升卡
变色卡
抢沙发
