论文摘要：移动机器人目标识别方法研究

视觉导航是移动机器人进行自主导航的关键技术，由于环境的复杂多样性，到目前为止还没有一套完整的具有很好环境适应能力的图像识别方法，基于特征相关的匹配算法则着眼于图像的各种特征，近年来人们作了大量的研究，如采用小波、分形等工具，进行边界、纹理、熵、能量、拓扑结构、变换系数等特征的提取。本实验从轮式移动机器人视觉识别系统的设计要求出发，建立移动的视觉系统，详细比较了常用的快速图像匹配法，主要是基于灰度的相关匹配法和基于特征的矩方法等。分析了各种方法的优劣和可行性。提出了一种基于Gabor滤波器和支持向量机分类器的图像匹配方法。由 Gabor 变换生成的二维Gabor 滤波器有着优良的滤波器性能，对CCD采集的目标图像，不需要对图像进行分割，能适应一定的旋转、尺度、光照的变化。通过多个频率和角度的构造的多通道Gabor算子，与图像进行卷积，获取图像的局部和全局信息的特征描述。分类方法采用统计学习理论基础上发展起来的一种新的机器学习方法支持向量机，通过支持向量机进行多维特征向量的分类。通过寻找最优的分类面，算法最终将转化成为一个二次型寻优问题，专门针对有限样本情况的其目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优值，并且通过非线性变换转换到高维的特征空间实现原空间中的非线性判别函数。该方法可达到较高的识别率，达到实时处理的要求，可以在人脸识别、机器人视觉定位等领域得到应用。