基于字符特征叠加提取与BP神经网络的字符识别

由于字符的种类繁多,并且同一字符又有多种字体,而传统的字符识别方法不能充分利用字符本身的特征,因此造成识别的字符种类单一、识别效果不理想等问题。提出一种通过字符特征叠加提取结合 BP 神经网络识别字符的方法,从单一字符图像中提取到更多的字符特征,利用BP神经网络自我学习的特点,设计了字符识别系统,再用 VC编程完成识别过程的仿真。结果证明,用本文提出的方法进行字符识别,识别的字符种类多、识别率高、识别时间短。     

基于MC9S12XS128单片机的多功能智能小车系统设计

利用嵌入式技术和图像处理技术,设计制作了基于MC9S12XS128单片机的多功能智能小车。智能小车可以在包含岔口的路面进行自主择路行进。到达终点后,在显示屏上显示路口选择方案、行进距离、行驶时间、行进速度。该系统通过CMOS摄像头OV5116检测路面信息,使用比较器对图像进行硬件二值化,用于路面识别,通过光电编码器检测智能小车的实时速度,使用PID控制算法调节驱动电机的转速和转向舵机的角度,实现了对智能小车运动速度和运动方向的闭环控制。整个系统的电路结构简单,成本低廉,可靠性高。经实际测试,智能小车各项指标均达到预期的设计目标。     

基于三层植物模型的大规模植物模拟方法*

针对在大规模植物模拟中基于三维几何网格模型的植物模拟方法内存消耗大,以及基于二维平面模型的植物模拟方法近视点模糊缺陷问题,提出了一种基于三层植物模型的大规模植物模拟方法。该方法将大规模植物分为三层：精度高的几何网格模型层、精度适中的Impostor模型层和精度低的Billboard模型层。根据植物到视点的距离,动态加载相应层中的模型,即当植物距视点较近时,加载精度高的几何网格模型层中的模型;当植物距视点较远时,加载精度适中的Impostor模型层中的模型;当植物距视点很远时,加载精度低的Billboard模型层中的模型。最后,利用Ogre图形引擎对三种植物模拟方法进行了渲染效果对比实验。由实验结果可知,该方法可以在低内存消耗情况下,取得与基于三维几何网格模型的植物模拟方法一样的逼真感,取得与基于二维平面模型的植物模拟方法相近的渲染速度。