基于視覺傳感器的自主車輛地面自動辨識技術研究
加入技術交流群
3 神經網絡模式識別模塊
應用Matlab中BP神經網絡模塊進行分類與識別。人工神經網絡簡稱為神經網絡。人工神經元k表示為：
式中：xi為輸入信號；wik為神經元k的突觸權值；m為輸入信號數目；uk為線性組合器的輸出；bk為神經元單元的閾值；f(·)為激活函數；yk為輸出信號。神經元的輸入／輸出狀態表示為：
式中：τij為突觸時延；Tj為j的閾值；wij為i到j的突觸連接系數；f(·)為變換函數。
該設計在分析多種數據分類方法和理論之后，以石子路面、水泥路面、土壤路面、草地路面、磚地路面5種常見行車路面為研究對象，采集了6組路面圖像特征信息作為備選庫，其中以質量最優的一組路面圖像特征信息作為訓練樣本，把其他5組路面圖像特征信息作為測試樣本進行BP神經網絡的建立、訓練、測試。
3．1 BP神經網絡的建立
該設計在BP神經網絡的建立過程中應用newff()函數對各個參數進行了相關設置。其訓練樣本、目標樣本如下所示：
3．2 BP神經網絡的訓練
該設計在BP神經網絡的訓練過程中應用train()函數對各個參數進行了相關設置，其顯示周期、學習速度、最大訓練輪回數、目標函數誤差如下所示：
3．3 BP神經網絡的測試
該設計在BP神經網絡的測試過程中應用sire()函數對各個參數進行了相關設置，其測試樣本如下所示：
該設計中5種路面圖像的BP神經網絡模式識別訓練目標函數誤差為20％，實現了方便快捷的模式識別分類功能，結果如圖8所示。
4 結語
文中研究的自主車輛地面自動辨識技術基于視覺傳感器的地面圖像信息自主識別技術，在諸多領域具有廣泛的應用前景。通過對模式識別結果分析可知，訓練目標函數誤差為20％，該系統路面識別率達到預定要求，可以在智能車輛或移動機器人等相關領域普及使用。
評論