大场地足球机器人视觉系统优化设计

介绍了大场地足球机器人比赛中视觉系统的整体设计方案.采用现场标定法对采集图像进行校正,为比赛提供准确的定位信息;通过采用HSI颜色空间实现了目标颜色的准确快速识别.最终使该视觉系统保证了比赛中实时性和准确性的要求.     

一种稳健的足球机器人目标识别算法

视觉系统是类人足球机器人获取环境信息的主要途径。在比赛中,受场地光照等比赛环境的影响,用传统的分割识别算法难以达到满意的效果。文中提出一种结合目标颜色和形状信息的识别算法。该算法在HSI空间执行基于颜色信息的快速阀值分割,获取目标像素,并且加入了自适应阀值更新,然后利用目标像素和目标形状信息执行优化边缘检测识别目标,最终获得目标在图像中准确的位置信息。实验证明：该算法能长时间在不同光照条件下稳定获取对象在图像中的位置信息,满足实时性的要求。     

一种基于颜色信息的足球机器人目标搜索方法

针对实际比赛中足球机器人视觉系统不能快速、准确地搜索到目标物体的问题,分析了RGB空间模型的优缺点以及基于彩色HSI变换原理,结合足球机器人的实际情况采用了一种从RGB空间到HIS空间快速变换的方法对颜色信息进行处理.同时,通过分析以往的目标搜索方法的优缺点,提出了一种基于颜色索引表的顺序网格法和种子填充法相结合的目标搜索方法,并在足球机器人视觉系统中进行了实验.实验结果表明这种方法既在一定的程度上降低了噪声干扰的影响,又避免了逐个像素计算颜色值,大大降低了计算量,从而提高了系统的实时性和可靠性.     

基于动态色彩补偿的足球机器人目标识别方法

在足球机器人视觉系统中,颜色特征由于其信息量大,具有几何不变性并广泛应用于目标识别,难点在于识别的鲁棒性和实时性的保证。针对半自主微型足球机器人比赛中,由于场上光强随时间变化引起的彩色空间漂移现象,提出一种基于动态彩色补偿的目标识别算法。首先利用场上机器人小车的历史运动信息,预测目标的位置,并将目标搜索区域限定在一个较小的范围内,从而大大减少了搜索时间,其次在搜索范围内,针对场上光强随时间变化而引发的色彩漂移现象,实时计算照明变化率,并对颜色知识库进行补偿,实现了目标的鲁棒识别。     

基于自适应Kalman滤波的机器人运动目标跟踪算法

针对足球机器人比赛时的模型变化及其环境噪声先验估计不准确的问题,提出一种基于自适应卡尔曼滤波的足球机器人视觉跟踪算法;该算法将一种基于减背景的运动目标识别的方法与自适应卡尔曼滤波跟踪模型进行结合,对背景进行实时更新,并通过形态学滤波去除残留的小区域,从而准确的识别运动目标,通过自适应的在线调整运动模型参数来保证模型预测值的准确性,进而提高了目标跟踪时的匹配效率,实现了目标的精准、迅速跟踪;通过实验证明,该算法是很有效的,具有推广价值.     

一种针对MiroSot 11vs11视觉系统的优化算法

在足球机器人比赛系统中,为了满足大场地比赛视觉系统的高精确度,介绍了一种色标设计方案以及辨识匹配算法,并在此基础上提出了一种"吊桶"算法,该算法能够排除在实际比赛过程中突发外界环境的影响,根据历史信息对辨识结果进行校正优化.实验和比赛结果表明,该算法效果良好.     

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.     

Robocon2007移动机器人视觉系统

根据Robocon2007的比赛规则,设计出了一套适用于该比赛的机器视觉系统。系统基于通用PC机,利用一个通用摄像机采集彩色图像,系统构造简单且经济。视觉系统的软件实现了比赛场地导引线的分割、得分点的识别以及机器人与目标的相对定位等功能。在导引线分割中提出了双阈值p-tile自适应算法,提高了分割算法对环境光变化的适应性;得分点位的识别中设计了利用导引线交点与目标颜色相结合的综合定位策略,有效解决了目标点位与地面颜色近似,无法直接从单目图像识别的难题。在2007年度的Robocon比赛中,该机器视觉系统表现出了很强的环境适应性和较高的自定位精度,为国防科大队获得最佳策略奖奠定了基础。