论文部分内容阅读
这些年,全球电动汽车保有量增长得可谓十分迅速,如何高效安全地充电一直是电动汽车领域里备受关注的问题,目前人工充电存在劳动强度大、工作环境恶劣、存在安全隐患、所需操作人员的数量多且工人越来越难招等劣势,这些劣势成为制约电动汽车和公交系统高效、稳定、安全和良性运营的瓶颈。相对于人工操作,机器人自动充电可以很好地解决人工操作存在的几个问题,另外随着自动驾驶和低速自动泊车的普及,使用机器人进行自动充电将成为必然趋势。针对充电口结构简单特征少且需要对多姿态充电口进行识别的难点,对充电口识别算法进行了研究,同时为了提高识别算法对不同光照条件的鲁棒性,还对充电口视觉识别曝光算法进行了研究。分析充电口可提供的识别特征,提出了一种将Hu不变矩形状特征和LBP纹理特征联合起来对充电口进行识别的充电口识别算法。首先设计了图像预处理算法,实现了对可能包含有充电口的候选区域的获取;然后设计了基于Hu不变矩形状特征的充电口识别算法,实现了对候选区域初步筛选;最后设计了基于LBP纹理特征的充电口识别算法,实现了对候选区域进一步筛选,从而完成对充电口的识别。分析充电口结构组成,提出了基于拉普拉斯金字塔图像融合的充电口视觉识别曝光算法。首先设计了基于图像灰度直方图的曝光算法,使得图像中充电口触头部分清晰;然后设计了基于图像灰度的曝光算法,使得图像中充电口外轮廓部分清晰;还设计了图像配准算法,实现了待融合图像的配准;进而研究了基于拉普拉斯金字塔的图像融合算法,实现了对配准之后两张曝光图像的融合,使得最终获取的图像可以完整地呈现充电口的细节特征。使用C++编程实现了对识别算法和曝光算法的软件编写,然后通过实验检验了识别算法和曝光算法的性能,首先检验了识别算法对不同姿态充电口的识别效果和识别算法的识别准确率,然后选择评价标准评价了曝光算法在不同场景下获取图像的质量。实验结果表明在要求的角度和距离范围内,各种姿态的充电口均可以被识别到,且具有很高的识别准确率,融合图像能够兼具融合前两张图像的优势,且图像信息熵分别提高了3.91%和76.40%,能够完整地呈现充电口的细节特征,对提高识别算法的可靠性和鲁棒性均具有重要意义。