摘要
智能小车通过红外光电传感器采集信号,得到小车前方障碍物的灰度图,根据该灰度图进行避障判断,这种灰度图由于环境的复杂性,导致很多智能小车避障困难,甚至无法判断,给智能车的安全运行带来很大不确定性。本文设计了一种有效提高智能小车的红外避障精度的方法,首先将采集图片进行分类,对智能小车进行不断地训练,使其从不同的类别图像中找到最佳路径,从而达到提高避障的精确度,通过实验将本文方法与WALSH、CNN经典图像处理算法进行对比,得出本文提出方法的高效性。
-
单位自动化学院; 昆明理工大学