基于AdaBoost的集裝箱檢測方法研究.pdf

1、目前，采用計算機視覺技術(shù)是集裝箱自動化裝卸作業(yè)中實現(xiàn)集裝箱識別和定位操作的發(fā)展方向。本文分析和探討了兩種集裝箱檢測方法的基本理論，搭建了集裝箱裝卸模型系統(tǒng)(Container Handling Model System-CHMS)，在Windows環(huán)境下編寫軟件算法，并在CHMS系統(tǒng)上對分別對兩種方法進行了仿真實驗。實驗表明本文提出的集裝箱檢測方法是合理的，具有一定的理論價值與實用價值。本文的研究工作主要包括以下幾個方面： 1.

2、將基于AdaBoost的學習算法用于集裝箱檢測，從一個較大的特征集中選擇少量關(guān)鍵的haar-like特征，產(chǎn)生一個高效的強分類器。再用級聯(lián)方式將單個的強分類器級聯(lián)成為一個更加復雜的級聯(lián)分類器。對AdaBoost算法的收斂性能、泛化能力以及權(quán)重更新方法對分類器性能的影響等進行了深入的分析。本文使用了自己創(chuàng)建的集裝箱模型樣本庫進行訓練得到分類器，并在多種背景、光線條件下進行了集裝箱模型檢測實驗。實驗結(jié)果表明，得到的集裝箱模型分類器效果理想。