如果直接通過提取待識別數字標識符感興趣區域的這15個特征值，然后與模板數字的特征值一一進行比對，再通過比較找到差異最小來判定感興趣區域的數字，那么計算耗費時間較長。通過分析我們發現，在表2中對于任意數字符的a11、a31、a02、a42這四個值都是相同的，那么可以利用這4個特征值來初步判定待識別字符是不是完整規范的數字，然后再比對其他11個特征，這樣將提高識別效率。算法如下：

(a)令 ，若x≠1則說明待識別數字符不完整，退出整個識別流程；若x=1則進入下一步驟。

(b)對余下11個特征值與模板數字的特征值一一進行比對，識別數字并輸出結果。
標識符識別測試實驗

　　為驗證本文提出的算法及理論的有效性、可靠性和準確性，在實驗室的水磨石路面背景下，鋪設agv導航線，并在導航路徑上放置控制標識符和數字標識符。圖5所示為控制標識符實驗現場，圖6為20幅驗證數字標識符識別算法的圖像樣本，包含了0～9十個數字的兩組不同旋轉角度的圖像。

　　在控制標識符識別實驗中，本文所設計的控制標識符能很好地模擬出現場環境，依據控制標識符的幾何特征來識別標識符的方法，能夠在較為復雜的環境下快速、準確地識別控制標識符。

　　在識別數字標識符的實驗中，圖6中的樣本對應的特征值計算結果正確無誤。這種簡單識別數字的方法的準確率較高，而且每次識別數字耗時僅為1ms。在實際應用中，決定識別效率的主要瓶頸在于圖像分割環節中從感興趣區域里面抽取出標識符的精確輪廓，而本文提出的對標識符完整性的初步判斷，大大減少了對非完整數字標識符的冗余識別，提高了整個agv導航過程的流暢性。

結束語

　　基于機器視覺的agv導航是目前智能車領域的熱門研究課題，視覺引導的agv可以高效地進行運動速度控制，識別多分支路徑以及各種停車工位，是其智能化的重要表現。本文設計了兩類導航標識符并給出識別方法，經實驗驗證，這兩類導航標識符的應用，大大的提高了agv的智能性，滿足對標識符識別實時性、準確性以及魯棒性的要求，達到了預期目標。為視覺導航agv的高智能化發展提供了新思路。