基于改进Canny算法和Hu矩的物表区域识别

使用轮廓Hu矩匹配法进行物表检测的过程中,为解决轮廓匹配受噪声、比例变换等客观因素影响导致区域匹配识别率降低的问题,提出一种基于改进Canny算法和改进Hu矩的轮廓匹配方法进行物表区域识别。首先采用改进Canny算法降低噪声等对轮廓提取的影响,获取更优的轮廓信息,然后利用尺度归一法改进Hu矩进行物表区域的轮廓匹配,实现区域的匹配与识别。实验结果表明,该方法在噪声等因素干扰下可提取高精度的区域轮廓,且识别率至少达到98.3%,具有强鲁棒性和高识别率,满足物表检测对区域识别的高精度、高识别率要求。

基于ROS平台的移动机器人自主导航技术研究

针对移动机器人传统的室内环境导航方法比较单一,无法适应多场景等问题,本文将传统的基于ROS平台的Navigation功能框架的导航方法与AprilTag标签算法相结合进行导航系统的设计。该系统采用Gmapping算法和AMCL算法分别完成环境建图与机器人定位,然后通过Navigation功能框架获取环境地图与机器人位姿信息进行路径规划,并且在此基础上结合AprilTag标签算法进行机器人的导航设计。实验结果表明,该系统构建的环境地图精度较高,能够实现对机器人的有效定位,且Navigation功能框架与AprilTag标签相结合的导航系统能更好地适应多场景。

基于改进LeNet-5的压印字符识别

针对传统的图像识别算法在压印字符识别领域存在识别精度低、速度较慢的问题,提出了一种基于LeNet-5压印字符识别方法。与传统的LeNet-5不同,在文中网络各卷积层中采用小尺寸卷积核,以提取更多的特征并加快模型的训练速度;使用InceptionV2卷积模块取代C5全连接层,可加深网络宽度,从而提高网络的识别精度;放弃全连接层F6,改用全局平均池化层,并且选用性能优越的Relu函数作为激活函数,以便减少训练参数,提高网络的训练速度。通过实验发现,文中模型的识别精度达到98.57%,与传统LeNet-5模型以及BP神经网络相比识别精度分别提高3%和4%,证明文中模型在压印字符的识别上拥有更大的优势。

基于改进Radon变换的微小器件校正方法研究

在器件检测流水线中,存在器件随机摆放的问题,为了精确检测器件的各项参数,需要对初始采集的器件图像进行校正。针对传统Radon变换存在的速度慢、普适性差等问题,提出了一种基于Radon变换的改进型倾斜图像校正方法。该方法对高精度图像进行多次降采样处理,并通过逐列扫描法来限制Radon变换投影角度的搜索范围,减小了计算量,提高了算法的识别效率。且考虑到Radon变换无法区分颠倒器件,引入了占空比法解决颠倒图像的校正问题。实验结果表明,提出的方法与传统Radon方法相比不仅校正效率高而且具有较强的普适性。