基于RBF网络和Q学习的路径搜索与移动导盲系统设计

发布时间：2018-11-11 11:51

【摘要】：民用的导航系统由于定位精度有限,无法对复杂的路况信息进行实时的探测;再加上导航系统缺乏针对盲人(视障人士)进行路径搜索与规划的能力,更无法为视障人士的安全出行提供指引。因此需要引入智能的学习算法来提高导航系统的路径搜索与路径规划的能力,Q学习算法与RBF网络在路径搜索与规划方面展现出了出色的性能。另外,当前已有的导盲基建存在损毁的现象和设计不当的缺陷;导盲辅助设备存在功能单一、价格昂贵的弊端(如盲杖、导盲仪等);智能手机内置的多模感知器(如照相机、麦克风、红外传感器和陀螺仪等)可以进行路面信息的检测,再加上智能手机的广泛普及,为移动导盲系统的研发提供了契机。本文在最优路径搜索和移动导盲系统设计方面进行了研究,具体的研究内容如下:(1)本文基于RBF网络和启发式Q学习提出了一种改进的强化学习算法RNHQL同时将该算法应用于大状态空间下的路径搜索。首先,该算法解决了智能体(agent)在状态空间增大同时缺乏环境先验信息的情况下学习效率低的问题;其次,梯度下降法作为RBF网络权重的更新规则,奖励塑造机制可以在某些中间状态下给智能体额外的反馈信息,这将有助于引导agent在更加受控的方式下接近搜索目标,另外与上层RBF网络的背景知识相结合,这就意味着agent在Q学习的过程中可以访问到底层的动态知识;最后,在路径搜索的实验结果中证实,该算法通过融合greedy开发策略训练神经网络提高了agent的学习效率。(2)本文基于Android平台和OpenCV技术设计了针对盲道与斑马线进行识别的模块,该模块以图像采集和图像处理单元为核心,实现了对盲道与斑马线的识别。基于二者的识别模块可以分为预处理单元、形态学处理单元、粗定位单元和精定位单元四大基础单元模块。本文对图像分割、拐角检测和聚类分析算法做了改进,并将其应用在盲道与斑马线识别领域。本文设计实现了基于Lab空间下改进的Otsu阈值分割算法(Lab-Otsu)和基于Lab-Otsu算法的Harris角点检测方法(LO-Harris),能够排除环境干扰,准确地识别出有色差盲道的边界和拐角;本文将LBP算子引入盲道识别领域,结合K-means聚类分析和后续填充操作,改进了无色差盲道识别算法(SLBP-KB);本文采用Canny边缘检测和Hough累计变换进行了斑马线的识别;本文采用计算图像的矩的方法用来检测图像中障碍物的轮廓,可以判断出障碍物基本的轮廓边缘。(3)本文基于智能手机构建了一种移动导盲系统,包括基础导航系统、综合图像处理系统和语音辅助系统。基础导航系统是通过获取实时GPS信号,利用手机内置的导航软件对信号进行处理得到定位数据,通过键入的目的地信息,系统将会规划出一条出行路径;综合图像处理系统包括盲道路面识别模块和交通路口辨识模块,盲道路面识别模块是利用智能手机的摄像头实时采集盲道信息,通过处理实现对盲道区域的定位;交通路口辨识模块是利用智能手机的传感器获取交通路口的信息,在接近路口时通过对斑马线的定位实现路口信息的辨识;语音辅助系统将各系统的处理结果转换为相应的语音提示反馈给视障人士,引导视障人士行进。本文针对所设计的移动导盲系统,分别进行了最优路径搜索、盲道识别、斑马线识别和障碍识别方面的研究,为导盲系统的研究与开发提供了一个方向性的指引,具有一定的理论与应用价值。
[Abstract]:......
【学位授予单位】：西南大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP18;TN96

【参考文献】