基于彩色图像分割的机器人的目标识别

以全自主型足球机器人的视觉系统为研究对象,介绍了一种基于彩色图像分割处理的目标识别方法.根据足球机器人系统中视觉系统的实际应用环境,分析对比了不同颜色空间的优缺点,采用HSV颜色空间作为视觉系统的工作空间,减弱了光照变化对视觉系统带来的影响.针对足球机器人系统中对视觉系统实时性的具体要求,提出了一种通过量化HSV颜色空间获得直方图阈值,再通过阈值进行彩色图像分割方法.这种方法大大减少了视觉系统的工作量,提高了系统的实时性.     

基于DSP的足球机器人目标识别

目标识别是足球机器人视觉子系统的关键,论文对M i r o S o t中型组足球机器人视觉子系统的预处理和目标识别提出了改进的算法。基于D S P提出了改进的提取目标物体几何特征进行模式匹配的方法,实现了对复杂环境中目标物体的识别,并通过Code Composer Studio(CCS)进行了仿真测试,有较高的识别率。     

基于颜色相似度量的足球机器人目标识别

以足球机器人视觉系统为研究对象,采用一套基于颜色信息的目标识别方法.在足球机器人视觉系统中,我们采用颜色相似系数来确定各主色的颜色值,以此作为图像分割和图像识别的依据.采用全局网格搜索方法实现目标体的识别过程.实验证明,该算法具有良好的准确性和实时性.     

基于全向视觉和前向视觉的足球机器人目标识别

为了快速正确地进行机器人的目标识别，首先介绍了RoboCup中型组足球机器人NuBot使用的全向视觉系统及其目标识别方法；然后通过引入一套简单的前向视觉系统来弥补全向视觉的不足，以提高机器人对其前方目标球的感知识别精度，同时给出了一种简单有效的前向视觉系统标定方法；最后介绍两套视觉系统共同工作的实现机制，以提高机器人的目标识别处理速度。实验结果表明，两套视觉系统能够很好地共同完成机器人的目标识别。     

机器人足球视觉目标的快速识别

本文基于YUV颜色空间,采用Minkowski距离对颜色进行分类;利用改进的差分法,对图像中的目标进行检测和识别,提出了一种识别机器人足球比赛中目标的快速算法,提高了系统的实时性,减少了程序的运算量。     

全自主移动足球机器人目标识别

Robocup中型足球机器人对图像处理的实时性要求较高.在RoboCup中型组比赛中,通常采用CMVision对图像进行处理,其存在一定的缺陷,如:耗费大量计算机资源,不能处理光线的干扰等.本文在其基础上根据目标识别要求,改变其图像扫描方式、采用邻域法去除光线干扰以及用邻域法处理场外屏蔽问题,满足了中型组足球机器人对于去除足球判别干扰以及去除光线对球心的定位干扰的要求.该方法已经在全国中型机器人比赛中显示出明显的优越性.     

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。     

类人足球机器人场上目标识别算法

在比赛过程中类人足球机器人的视觉系统需要对足球、球门以及对阵双方机器人进行识别. 考虑到算法的快速性及有效性,采用基于颜色信息的算法对球及球门进行识别,通过球及球门的颜色阈值提取图片中球与球门可能的位置,再由球与球门的背景色或面积信息确定球与球门的正确位置. 对双方机器人的识别,首先提取机器人的特征,然后通过在线实时的监督学习方法训练一组级联分类器,通过训练好的分类器对双方机器人进行检测. 实验表明算法能够快速有效地识别场上目标,且算法具有较好的鲁棒性.     

基于模糊技术的彩色图像分割方法

由于彩色图像提供了比灰度图像更为丰富的信息,因此彩色图像处理正受到人们越来越多的关注。彩色图像分割是彩色图像处理的重要问题,目前对彩色图像的分割已提出了许多种算法,在这些算法中由于模糊技术能很好地表达和处理不确定性问题,因此在彩色图像分割领域会有更广阔的应用前景。本文主要介绍了基于模糊技术的模糊阈值分割法、模糊聚类分割法和模糊连接度分割法。     

基于改进区域生长算法的彩色图像分割

本文提出一种改进的区域生长算法.该算法利用颜色分类结果和连续图像的相似性,改进了种子搜索方法,与全局搜索种子的方法相比减少了种子搜索的时间,并且实现简单有效.实验结果表明改进的区域增长算法应用于RoboCup中型组足球机器人的全景彩色图像分割具有良好的时效性.     

一种改进的类人足球机器人彩色目标识别算法

针对类人足球机器人视觉需求,提出一种结合区域生长和基于形状判别的阈值自适应更新的彩色目标识别算法。该算法在HSI空间基于S分量把图像分为高饱和区域和低饱和区域,在高饱和区域基于H分量采用区域生长算法识别目标;通过目标形状判别自适应更新阈值,并用新阈值更新区域生长中原来的阈值,以稳定准确地识别彩色目标。在类人足球机器人系统中的成功应用表明,该算法能在不同光照条件下稳定地识别出彩色目标,对光照环境有良好的适应性和鲁棒性,具有良好的识别效果。     

基于区域的多类目标识别与分割算法研究

为了实现复杂自然场景中多类目标的识别与分割,利用条件随机场(CRF)对目标特征进行建模,并在此基础上运用过分割算法将图片分为有限个连续区域,提出一种新的基于区域的CRF模型,即R-CRF模型,并采用Joint-boost算法对标注样本进行训练,研究基于主题的R-CRF模型在多类目标识别与分割中的应用。MSRC-21类数据库的实验结果表明,该算法在多类目标识别与分割中取得的结果优于国内外其他算法,尤其对于其他算法中正确率很低的形状多变而样本少的高结构物体的识别和分割取得了很好的结果。     

基于多传感器的全向足球机器人自定位

随着对足球机器人智能水平的要求进一步提高,机器人足球委员会将比赛场地的立柱、球门颜色取消.这使以前的基于球门、立柱地标的足球机器人自定位方法失效了.本文提出了一种利用了里程计、罗盘和全景摄像头多种传感器信息的视觉图像特征匹配的足球机器人自定位方法.首先,机器人通过里程计和罗盘取定一个可能位姿.然后,由视觉处理系统把机器人的可能位姿当作变换因子对实时拍摄到的场景图像作旋转、平移变换.最后,将变换后的图像中的白线与参考图像中的白线相比较,选择使图像匹配程度最大的变换因子作为机器人自定位的结果.实验结果表明该自定位方法达到了较高定位精度并能满足比赛的高实时性要求.     

移动机器人目标分割及测距方法研究

对于移动机器人单目视觉避障导航问题,研究了室内环境中多障碍物目标图像分割与目标定位。提出一种将HSI彩色图像空间序列分割与Otsu法选取阈值相结合的图像分割方法,并采用基于亮度均值的幂次变换方法改进亮度空间的对比度,从背景环境中分割提取出多个目标所在区域的像素坐标。基于透视投影原理,应用目标定位的几何方法得到目标的空间坐标。该方法在Pioneer-2移动机器人平台上进行了实验,论证了所提出方法的实用性和有效性。     

机器人足球视觉系统中的实时图像处理

视觉系统是整个机器人足球系统的重要组成部分。根据机器人足球视觉系统的特点,提出基于游程长度编码(RLE)的实时快速图像处理算法。算法使用RLE对图像进行压缩,并且在处理阶段高效识别出图像中目标的尺寸和位置。压缩阶段算法的时间复杂度与图像尺寸成线性关系,图像处理阶段算法的时间复杂度与图像中目标的个数和每个目标所占的扫描行数成线性关系。     

全自主机器人足球系统的全局地图构建研究

研究和讨论了如何通过多机器人的协作,实现全局地图的构建．在单个机器人通过自身携带的多传感器进行局部地图构建的基础上,研究了前向单目视觉传感器的建模方法,在此观测模型的基础上,用极大似然融合算法对球的位置信息进行融合,而对于多机器人返回的对方机器人位置信息,使用基于密度的空间聚类算法（DBSCAN）进行信息融合,从而实现全局地图构建．实验结果表明,通过多机器人的协作,可以准确地构建出全局地图,弥补了单个机器人自身传感器的有限感知范围,本文研究的方法完全满足全自主机器人足球比赛中动态环境地图构建的需要．     

信息融合算法在机器人足球系统中的应用

最优信息融合Kalman滤波算法给出了实时动态环境中线性方差最小的融合估计。采用该算法对机器人足球系统中的小球进行状态估计和预测,并给出了信息融合处理结构和该算法的具体实现步骤。实验结果表明,该算法可以克服单一视觉传感器采集的数据含有较大噪声等局限性,实现了对小球精确的状态估计和预测,具有可行性和优越性,并且在某一机器人视觉传感器出错时,系统仍具有良好的容错性和鲁棒性。     

基于自适应分块的视频目标跟踪方法研究*

针对目标跟踪中的遮挡问题,提出了一种基于颜色特征的自适应跟踪算法。该算法利用模糊K均值聚类将目标自适应分块,采用单调递减的核函数对子块进行加权,目标模型的更新只需更新子块的颜色均值,计算量小。在跟踪过程采用目标整体匹配的方法,结合设计的自适应Kalman滤波器,有效地解决了跟踪过程中的目标遮挡问题。实验结果表明,新算法能够实现目标的准确跟踪。