机器人感知 该存储库展示了马里兰大学ENPM673课程中完成的项目。 本课程专门设计用于提供对机器人感知的见解，包括从最基本的主题（例如各种图像转换）到最新的算法（例如单眼视觉测距法）。 在本节中，将简要介绍本课程中完成的每个项目。 下面列出了本课程中完成的项目，请单击链接进入特定部分： 请注意，所有代码均已在MATLAB 2016b和MATLAB 2017a上进行了测试和运行。 还要注意，对于视觉里程表项目，您将需要Mathworks Inc.提供的MATLAB的Computer Vision工具箱。可以在找到。 增强现实 这是使用非常基本的概念（例如图像变换和单应性）来生成非常强大的结果（

交通标志

基于多尺度特征融合网络的交通标志检测_刘胜.pdf

167张透明PNG图标，包括指示标志、警告标志、禁令标志 参考标准：GB 5768[1].2-2009 道路交通标志和标线 第2部分：道路交通标志

该课题为基于MATLAB bp神经网络的雾霾天气下交通标志的识别系统。主要分两步骤，一是进行图像去雾，采用暗通道的方法获取光透射率，从而去除雾霾。得到清晰的图片后，利用颜色的方法进行交通标志的定位，众所周知，交通标志基本是红，蓝，黄三色组成，根据RGB不同组合可以定位到不同颜色，因为存在误差，所以需要借助形态学相关知识，将得到的误干扰面积去除，从而实现精准定位。定位后，在原图基础上进行分割出彩色图标，利用bp神经网络方法，进行训练，识别，从而得出结果。本设计配有一个GUI可视化界面，操作简单容易上手。是个不错的选题。

用MATLAB编写的交通标志识别系统的代码。实现了禁止标志、警告标志、指示标志三种类型的交通标志的识别，是本人的毕业设计题目，有问题可以提出来

该课题为基于MATLAB的bp神经网络的交通标志识别系统，可以识别禁令标志，警示标志，指示标志三种标志，带GUI界面，流程为，输入测试图，训练，定位，分割，识别。可自动识别是三种中的哪一种。定位是采用颜色的方法，分割是几何位置分割，识别bp神经网络。注释详细。

该课题是基于MATLAB神经网络的交通标志识别系统。主要分3个步骤：定位，分割，识别。其中定位部分，考虑我国的交通标志主要分禁令类，指示类和警示类，其中禁令类为红色，指示类为蓝色，警示类为黄色。根据不同颜色比例组成，参数设置合理即可分离出图片中不同颜色分量。但是，这肯定多少存在一些误分割，比如将其他红色，蓝色或者黄色的物体给分离，那么考虑到交通标志区域的分量肯定是最大的，利用形态学相关知识，按面积小于一定阈值进行滤除，即可得到精准的定位。接着，分割出目标区域，得到彩色的目标区域。最后利用bp神经网络方法进行训练，得到结果，并且输出。整个设计带有一个可视化GUI界面，方便操作，布局合理，是你的不

Matlab交通标志识别系统，bp，模版，可自动识别禁令，警示等表示。带gui界面。

一、参考设计思路【图片可自定义，含GUI可视化界面】 1.读入图片，根据路标的颜色进行大致的分割 这是数据库中的二值图像，路标很多，所以选择几种典型的，我选择了的是：三角形（黄色）和圆形（红色）的，对应着禁止路标，警示路标，以及提示路标 2.然后是直方图灰度增强，这一步很重要，没这一步效果很不明显。 3.图像二值化，去除小干扰 4.内部填充，形成一个白色的圆 5.边界提取，一个圆形的白线 所以的步骤都有对应的图像 6.根据白线，利用Hu不变矩确定其形状。 7.根据6的轮廓提取路标位置，得到路标所在区域图案（这一步程序里定位出来了） 7.将第四步骤白色圆反转，先利用四步骤的图案作为蒙版提取7所框定的路标区域，在用反转图像将非路标区域白色化，这有利于后一步的图像处理 8.对上述得到的图像进行二值化，采用OUST自适应图像分割法 9.利用LBP法，建立数据库 10.神经网络后，将目标图像和数据库对比，设定阈值，得到对应的信息