基于彩色图像分割的机器人足球目标识别

研究了机器人足球视觉系统中基于彩色图像分割的目标识别的方法。为了适应光照条件的变化，采用分离出亮度信息的YUV颜色空间；将彩色图像分割分为离线的颜色分类和实时的分割、识别两个部分，并采用最大似然法完成颜色的自动分类，满足了机器人足球视觉系统实时、准确的要求。试验证明，在光照条件改变的情况下能够有效地进行目标识别。     

基于颜色空间映射的自适应足球机器人视觉系统

为了解决足球机器人比赛中视觉信息检测问题,给出基于嵌入式多处理器体系结构的视觉系统框架,并研究了一种自适应阈值目标分割方法。该方法将视觉系统采集的图像从YCbCr颜色空间转换为一维颜色映射图像,并提出基于竞争学习的空间映射方法。同时使用小波变换方法来平滑颜色映射空间直方图和降低阈值搜索维数。然后使用基于映射图像直方图动态搜索阈值的方法来分割图像。最后,通过实验表明研究的视觉系统的有效性,能够实时准确地完成视觉处理任务。     

基于自定义颜色空间的快速图像分割算法

为实现视觉伺服中对图像的实时处理,针对由RGB颜色空间模型转换到HSV颜色空间模型过程计算量大、时延明显的问题,提出了一种基于自定义的ASV颜色空间模型的快速变换方法,减小了计算量,提高了处理速度;并采用一种对不同颜色分量进行序列分割的彩色图像分割方法,在自定义的HSV颜色空间中实现了彩色图像的快速分割.实验证明了这种方法的有效性.     

足球机器人比赛场地图像特征识别

为实现足球机器人比赛场地图像信息的高效分辨,本文提出一种利用HSV彩色空间进行特征识别的算法,根据HSV彩色空间的颜色和亮度无关,将彩色图像从RGB空间转换到HSV空间,经过H分割对场地信息进行识别,最后实现具有显著颜色特性的图像的分类识别。实际运行分析表明:该算法具有较好的稳定性和鲁棒性。     

足球机器人视觉图象的快速识别

针对机器人彩色视觉系统的实时性要求 ,提出了一种基于 YUV色彩空间的利用阈值向量来分割图象的识别方法 ,并改进了种子填充算法 ,从而明显减少了识别的计算量 ,并在保证识别精度的前提下 ,提高了处理速度 .通过在 Miro Sot机器人足球系统上的应用 ,验证了此方法的有效性 ,而该方法与常用的基于 RGB颜色空间的方法进行比较的结果也证明 ,此方法确有明显的优越性 .     

基于图象分割的机器人视觉系统的设计与实现

机器人视觉系统是自主机器人的重要组成部分，而如何精确高效的处理视觉信息是视觉系统的关键问题．本文介绍了一个包括离线颜色分析器和实时视觉信息处理器两大部分的机器人视觉系统。离线颜色分析器用于提取各种颜色的阈值，实时视觉信息处理器则利用阈值进行图象分割，从而使机器人准确认知当前环境。     

一种鲁棒的彩色图像多阈值分割方法及应用

根据独立峰值特性把彩色图像的各颜色分量直方图划分为多个待分割区间,使得Otsu算法在彩色图像处理中实现了多阈值分割。该方法应用于RoboCup足球机器人,针对其HSI模型彩色图像提出了一种多阈值分割改进方法,即在中高饱和度的图像区域以H分量作为分割依据选取分割阈值;在低饱和度的图像区域以I分量作为分割依据选取分割阈值。实验证明,该方法能自动快速地对彩色图像进行多阈值分割,并具有很好的鲁棒性。     

基于HSV空间的彩色图像分割

彩色图像分割是彩色图像处理和图像识别的重要问题,彩色图像分割可以看成是灰度图像分割技术在各种颜色空间上的应用。根据HSV颜色空间颜色和亮度无关,将彩色图像从RGB空间变换到HSV空间,然后经过H分割对绿色信息进行提取得到分割结果。试验表明,这是一种计算高效的分割算法。     

足球机器人视觉系统光强自适应算法研究

研究足球机器人比赛问题,比赛环境的光强度变化严重影响足球机器人视觉系统的识别性能.为提高机器人视觉识别率,提出了一种基于HSI颜色空间模型的光强自适应算法.算法将比赛场地划分为若干区域,利用HSI颜色空间模型可以分离环境光强度信息的特点,在比赛中动态更新所有划分区域的HSI颜色空间,提高了机器人视觉系统对光强变化的自适应能力,实现了机器人对比赛场地信息的精确辨识.因此用算法优化机器人视觉识别系统进行仿真.结果表明,在实际比赛中,算法能够有效降低环境光强度变化,大大提高了对足球机器人视觉辨识性能.     

图像分割技术在足球机器人中的应用

以MiroSot机器人为研究对象,通过理论与实践相结合的方法,对足球机器人视觉系统中的图像分割方法进行研究与分析,提出一种新的彩色图像阈值标定方法,使阚值设定更准确。经过处理,输出图像的质量得到相当程度的改善,既改善图像的视觉效果,又便于计算机对图像进行分析、处理和识别。