科研之友
微信
新浪微博
Facebook
分享链接
摘要
在传统的视觉寻迹智能车中,人们使用摄像头获得路况信息,并对图像加以处理,然后根据产生的偏差来控制小车行驶,它会根据设定好的判定条件实现方向控制。而人工训练的神经网络能够在训练中不断优化神经突触的权值,并将信息存储在内部,通过大量数据的学习,实现寻迹功能。本项目摒弃了传统的电磁采集位置式PID控制算法,使用自行训练的人工神经网络模型对电磁传感器的电磁进行分析。车模方向控制方面,不再手动编写控制算法和调节参数,使训练集、测试集等符合高斯分布。这样不仅让训练出的神经网络具有一定的鲁棒性,还能够增强智能车对道路的适应性。人工神经网络控制算法可以应用到更多的人工智能领域,人们可以类比基于机器视觉的神经网络控制模型,利用openCV(可编程全彩摄像头),配合神经网络算法,为无人驾驶技术在3D感知与物体检测中的应用打下坚实基础。同时,人们可以在其他领域做出进一步的尝试:电子导盲犬利用openCV,配合特定算法,能很好地捕捉和反馈路面信息;垃圾分类机器人利用openCV强大的图像处理库,配合卷积神经网络,可以实现垃圾的智能分类。
- 单位
