基于图像处理和双BP神经网络的电气化铁路接触网立柱标识牌识别算法研究

故障位置点定位是实现轨道维护及保养的前提,利用接触网立柱标识牌实现定位是一种常用的轨道定位方法,但常规的识别方法存在识别率低且速度慢的缺点。针对该问题,提出一种基于图像处理和双神经网络的接触网立柱标识牌识别算法。首先利用Hough变换提取出接触网支柱区域,减小识别区域,其次通过形态学方法实现标识牌的定位与裁剪,再采用水平投影方法对字符进行分割,最后对字符中的字母和数字分别进行特征提取,利用两路并行的反向传播神经网络进行识别。通过实验验证了该算法的有效性,结果表明:该方法精度可达98.3%,相较于传统识别方法速度提高了17%。因此该识别算法能够实现轨道故障位置的快速精确定位,可用于轨道智能巡检系统。

基于显著性检测的接触网标识牌识别研究

实时、准确的轨道定位是轨道检测及维护的基本条件,轨道定位的常用方法为接触网标识牌定位方法,存在识别率低、效率低等问题,本文提出基于显著性检测的接触网标识牌识别算法弥补这些缺点。首先,利用马尔科夫链显著性检测算法定位接触网立柱,获取包含标识牌的感兴趣区域;其次,采用形态学与垂直投影的方法对标识牌单个数字进行分割;最后,利用多层感知机神经网络(Multi-Layer Perceptron,MLP)分类器完成标识牌数字识别。通过实验验证了该图像处理算法具有极高的可行性,接触网立柱定位及标识牌识别的成功率可达93%以上,为轨道定位提供新思路。

实时鲁棒的矩形交通标识牌倾斜校正方法

交通标识牌识别是无人驾驶智能汽车视觉环境感知的重要组成,为了解决交通牌倾斜造成的识别率下降的问题,本文提出了一种实时鲁柔的矩形交通标识牌倾斜校正方法。首先,对图像进行灰度化、Canny边缘检测等预处理,再通过Hough直线变换检测交通标识牌的边缘线段,根据这些边缘线段计算矩形的四个角点坐标,然后再根据逆透视变换(IPM)原理得到矫正矩阵,最后利用IPM将倾斜的交通标识牌图像校正。实验结果表明,该算法可以有效地矫正不同程度倾斜的矩形交通标识牌图像,具有很好的实时性、鲁柔性,适用于无人驾驶系统中的交通标识牌识别预处理技术。