【摘要】：民用的導航系統(tǒng)由于定位精度有限,無法對復雜的路況信息進行實時的探測;再加上導航系統(tǒng)缺乏針對盲人(視障人士)進行路徑搜索與規(guī)劃的能力,更無法為視障人士的安全出行提供指引。因此需要引入智能的學習算法來提高導航系統(tǒng)的路徑搜索與路徑規(guī)劃的能力,Q學習算法與RBF網(wǎng)絡在路徑搜索與規(guī)劃方面展現(xiàn)出了出色的性能。另外,當前已有的導盲基建存在損毀的現(xiàn)象和設計不當?shù)娜毕?導盲輔助設備存在功能單一、價格昂貴的弊端(如盲杖、導盲儀等);智能手機內(nèi)置的多模感知器(如照相機、麥克風、紅外傳感器和陀螺儀等)可以進行路面信息的檢測,再加上智能手機的廣泛普及,為移動導盲系統(tǒng)的研發(fā)提供了契機。本文在最優(yōu)路徑搜索和移動導盲系統(tǒng)設計方面進行了研究,具體的研究內(nèi)容如下:(1)本文基于RBF網(wǎng)絡和啟發(fā)式Q學習提出了一種改進的強化學習算法RNHQL同時將該算法應用于大狀態(tài)空間下的路徑搜索。首先,該算法解決了智能體(agent)在狀態(tài)空間增大同時缺乏環(huán)境先驗信息的情況下學習效率低的問題;其次,梯度下降法作為RBF網(wǎng)絡權重的更新規(guī)則,獎勵塑造機制可以在某些中間狀態(tài)下給智能體額外的反饋信息,這將有助于引導agent在更加受控的方式下接近搜索目標,另外與上層RBF網(wǎng)絡的背景知識相結合,這就意味著agent在Q學習的過程中可以訪問到底層的動態(tài)知識;最后,在路徑搜索的實驗結果中證實,該算法通過融合greedy開發(fā)策略訓練神經(jīng)網(wǎng)絡提高了agent的學習效率。(2)本文基于Android平臺和OpenCV技術設計了針對盲道與斑馬線進行識別的模塊,該模塊以圖像采集和圖像處理單元為核心,實現(xiàn)了對盲道與斑馬線的識別。基于二者的識別模塊可以分為預處理單元、形態(tài)學處理單元、粗定位單元和精定位單元四大基礎單元模塊。本文對圖像分割、拐角檢測和聚類分析算法做了改進,并將其應用在盲道與斑馬線識別領域。本文設計實現(xiàn)了基于Lab空間下改進的Otsu閾值分割算法(Lab-Otsu)和基于Lab-Otsu算法的Harris角點檢測方法(LO-Harris),能夠排除環(huán)境干擾,準確地識別出有色差盲道的邊界和拐角;本文將LBP算子引入盲道識別領域,結合K-means聚類分析和后續(xù)填充操作,改進了無色差盲道識別算法(SLBP-KB);本文采用Canny邊緣檢測和Hough累計變換進行了斑馬線的識別;本文采用計算圖像的矩的方法用來檢測圖像中障礙物的輪廓,可以判斷出障礙物基本的輪廓邊緣。(3)本文基于智能手機構建了一種移動導盲系統(tǒng),包括基礎導航系統(tǒng)、綜合圖像處理系統(tǒng)和語音輔助系統(tǒng)�；A導航系統(tǒng)是通過獲取實時GPS信號,利用手機內(nèi)置的導航軟件對信號進行處理得到定位數(shù)據(jù),通過鍵入的目的地信息,系統(tǒng)將會規(guī)劃出一條出行路徑;綜合圖像處理系統(tǒng)包括盲道路面識別模塊和交通路口辨識模塊,盲道路面識別模塊是利用智能手機的攝像頭實時采集盲道信息,通過處理實現(xiàn)對盲道區(qū)域的定位;交通路口辨識模塊是利用智能手機的傳感器獲取交通路口的信息,在接近路口時通過對斑馬線的定位實現(xiàn)路口信息的辨識;語音輔助系統(tǒng)將各系統(tǒng)的處理結果轉(zhuǎn)換為相應的語音提示反饋給視障人士,引導視障人士行進。本文針對所設計的移動導盲系統(tǒng),分別進行了最優(yōu)路徑搜索、盲道識別、斑馬線識別和障礙識別方面的研究,為導盲系統(tǒng)的研究與開發(fā)提供了一個方向性的指引,具有一定的理論與應用價值。
[Abstract]:......
【學位授予單位】：西南大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP18;TN96

【參考文獻】

相關期刊論文 前6條

1 趙輝;劉雅U，

本文編號：2324759