基于Hu-DBN的低分辨图案编码识别方法研究

图案编码是移动机器人视觉导航中全局定位的关键参照物。通过降低图像编码的影像尺寸和质量有助于减少运算量,以提升算法实时性,但对应特征图像更易受以运动模糊为主的干扰而影响识别的准确性,使得定位失败进而造成整个多智能体控制系统失效。提出了一种优化的低分辨率特征图像码识别方法,在预处理部分将特征图像转换为其Hu不变矩的特征信号矩阵,再将特征图像作为一个特征分量补充到该特征信号矩阵中,通过构建的Hu-DBN神经网络信号分类器对信号矩阵进行学习,从而实现低分辨率自定义图像特征码影像在较高运动容差条件下的准确识别。既避免了经典模式识别依赖模型经验、场景适应性差的问题,同时也避免了直接使用如YOLO等深度学习方法带来的高运算量和识别效率问题。通过移动机器人实例部署展开测试,通过搭载分辨率为640×480图像传感器移动机器人实例展开测试,在0.5 m/s运动速度时平均识别率为96.3%,证明了所提方法的有效性。