原文服务方: 计算机测量与控制       
摘要:
视觉导引AGV以识别标识符为基础实现工位转换;Hu矩算法可以提取字符的特征参数,结合机器学习分类算法,对特征值进行提取并分类,其运算速度快,但是识别准确率低;分析其原理公式,发现由于阶数高导致数值范围大,数据相近度差;基于此,对Hu矩公式进行改进,构造了新的算法;通过对UCI字符数据库进行检测,并在视觉导引AGV平台上进行在线测试,验证了改进后的Hu矩算法可以更快地提取特征值,并大大提高机器学习算法字符分类准确率,说明改进后的Hu矩算法在视觉导引AGV的字符识别上具有较好的实用性.
推荐文章
基于模板匹配法的字符识别算法研究
光学字符识别
特征提取
模板匹配
基于形状的字符识别算法
字符识别
形状特征
凹凸性特征
凹凸对称性
凹凸区域夹角
基于神经网络算法的字符识别方法研究
BP神经网络
车牌
字符识别
形状
基于AdaBoost分类器的车牌字符识别算法研究
字符识别
模板匹配
AdaBoost
退化现象
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进Hu矩算法的AGV字符识别研究
来源期刊 计算机测量与控制 学科
关键词 Hu矩 特征参数 字符分类 AGV
年,卷(期) 2020,(5) 所属期刊栏目 设计与应用
研究方向 页码范围 229-232,251
页数 5页 分类号 TP181
字数 语种 中文
DOI 10.16526/j.cnki.11-4762/tp.2020.05.049
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 文生平 华南理工大学广东省高分子先进制造技术及装备重点实验室 55 368 11.0 16.0
5 冯泽锋 华南理工大学广东省高分子先进制造技术及装备重点实验室 1 0 0.0 0.0
9 洪培烽 华南理工大学广东省高分子先进制造技术及装备重点实验室 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (18)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1962(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Hu矩
特征参数
字符分类
AGV
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机测量与控制
月刊
1671-4598
11-4762/TP
大16开
北京市海淀区阜成路甲8号
1993-01-01
出版文献量(篇)
0
总下载数(次)
0
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导