NAO机器人现身RoboCup公开赛

10月19日,2013中国机器人大赛暨RoboCup公开赛在安徽建筑大学正式托歼帷幕,本次比赛包括RoboCup仿真组、RoboCiIp标准平俞组、RoboCup家庭机器人组等112个项目、日前的标准平台组以法困AldebaranRobotics公司的NAO机器人作为机器人比赛平台,     

RoboCup标准平台NAO机器人目标识别与自定位研究

RoboCup标准平台比赛（SPL）,由于环境的动态性,需要NAO机器人根据场上情况快速稳定地确定自身位姿状态。介绍了一种基于KD树的最近邻搜索实现特征匹配建立色表、通过颜色识别进行场地建模、根据单目视觉测距来实现NAO机器人的自定位的方法。实验证明,方法在各种复杂的环境影响下,能够快速有效的识别目标,并准确的实现机器人的自定位。     

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。     

基于信息融合的移动机器人目标识别与定位

针对单目摄像头工作的双足机器人的视觉定位问题,设计了一种视觉传感器与超声波传感器相结合的信息融合方法,进行目标的识别和定位。对拍摄的图像进行HSV颜色空间的阈值分割得到二值图像,并对其进行形态学滤波处理和Hu轮廓不变矩匹配,以此识别到目标和其重心点图像坐标;建立单目定位模型,用机器人自身的超声波传感器得到与目标物之间的距离,采用Zhang标定法得到摄像机参数,把这些已知数据带入坐标转换,得到目标物在世界坐标系下的坐标,实现定位。借助NAO机器人的平台,将基于信息融合的定位方法和一般单帧图像定位方法进行对比实验。实验结果表明上述方法的误差相对较小,且能得到目标物的三维信息,验证了该定位方法的实际可行性。     

机器人时代NAO Next Gen能机器人

Aldebaran Robotics公司的最新款机器人NAONextGen是世界上应用最广泛的新一代可编程仿人机器人之一,该款机器人所采用的新技术中,值得关注的是采用了强大的IntelAtom处理器的机载计算机,处理器的频率为1．6GHz,能出色完成多任务计算：两台高清摄像头可与FPGA连接,同时接收两路视频流,此外．摄像头的视野感光敏感度也有了很大的提高,即使在照度较低的情况下,也能有效地进行人脸及物体识别。除了硬件的创新之外,NAONextGen还配备了名为“Nuance”的新的语音识别程序,使得语音识别更快、更可靠。该语音识别程序与一种新的wordspotting功能连接,可以提取并识别一句句子或者一段对话中的关键词。     

基于NAO机器人视觉的考勤系统设计与实现

基于NAO机器人的应用领域层出不穷,主要用于研究、教育、开发、自闭症等.借助NAO机器人身上的一系列用于探测和识别不同面部和物体形状的算法,设计并实现基于NAO机器人视觉的考勤系统,主要包括考勤系统的发展现状与基于NAO机器人考勤系统的优势、考勤系统的整体设计、基于图像识别的考勤技术、考勤系统的实现、研究总结与反思五个...     

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。     

目标识别追踪算法系统设计及分析

通过植入到机器人控制单元,帮助机器人在感知环境的前提下更好的识别和追踪目标,本文研究设计了一种基于本地数据采集处理的目标识别追踪算法系统,通过对本地和云端两个方案测试验证设计系统在综合性能的优越性,主要解决室外机器人在实际场景中识别目标出现的高延迟、不稳定等问题。     

基于信息融合的娱乐机器人目标识别

运用电、磁、图像等各种信息的融合，提出了一种比较有效地用于娱乐机器人目标识别的方法，进行了仿真并通过了实际运行的检验。     

NAO机器人的快速迷宫拐点测距及航向矫正

针对NAO机器人在迷宫中行走缓慢以及因电机误差、发热等因素导致的行走偏离航线等问题,提出一种快速拐点测距和前进航向矫正算法。首先,在室内复杂环境下进行快速拐点检测。接着按照摄像机成像原理构建几何模型,在此模型上进行图像几何关系推导,得到目前机器人距离拐点的距离,进而根据偏离夹角旋转一定的角度,控制机器人快速到达拐点。实验证明,所提出的方法可以准确防止机器人走偏,偏差率低于0.4%,同时NAO的行走速率提高了大约34.8%。     

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.     

RoboCup标准组机器人队员识别仿真

在RoboCup标准组机器人比赛中,由于NAO机器人对其它队员的视觉识别容易受到场外背景和场内各队员之间的遮挡等干扰因素的影响,使得识别结果存在许多错误和遗漏.通过多特征融合目标识别方法,分别从机器人视觉图像中提取出尺度不变(SIFT)特征与颜色直方图,分别对两种特征进行匹配,通过匹配成功的SIFT特征点来获取机器人在视觉图像中的形体范围,再通过与颜色特征相结合来获取机器人的具体区域,避免了只采用单一特征进行识别所受到的干扰因素的影响.仿真结果分析显示了改进方法相比传统方法具有更好的识别准确度和抗干扰能力.     

运动目标识别与跟踪系统的研究

提出了一种运动目标识别与跟踪系统的方案，给出了系统的原理图和结构框图。重点论述了图像处理的过程和算法，包括颜色模型的选择，图像的预处理，图像分割，目标的识别及预测，以及目标丢失时的处理。可实现简单背景下目标的实时跟踪，达到较好的效果。     

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.     

提高机器人识别机率的线性推动策略

针对机器人工业抓取场景中,堆叠的工件相互遮挡,难以识别的问题,提出一种基于聚类网格法的自适应线性推动策略AC-Grid。融合二维图像与点云高度渲染信息,根据抓取场景内工件的散乱堆叠情况分析出可靠的几何特征,为机器人优化出一条合理有效的工件推动路线。在V-REP仿真环境中制作80组“PushTD”系列的模拟场景数据集,对比实验结果表明,AC-Grid推动策略在仿真场景下最高能使平均目标匹配识别度提高至39.6%,在实际场景中能达到16.4%,在不同场景中均能起到显著分离和目标识别度提升的作用。     

基于SSD-MobileNet的投篮机器人目标识别算法

目标识别是机器人领域中的研究热点,是机器人与外界交互的起点.在投篮机器人竞赛中,针对球类的识别,传统的机器视觉方法鲁棒性及准确性较差.提出了基于SSD-MobileNet的目标球识别算法,兼具了SSD识别算法的精确性以及MobileNet网络的轻量性,同时对SSD算法中的目标识别先验框进行了改进.通过实验验证了该算法在...     

一种多目标快速识别的自适应灰度量化方法研究

针对实时序列图像多目标识别问题提出了一种快速图像处理方法。该方法依据一定的先验知识和准则，对复杂背景图像进行窗口化，对每一个窗口独立进行自适应快速中值滤波，及基于局部图像灰度信息的自适应重新量化和最大熵分割处理，实现了对全景视场内预定目标的快速准确提取和识别。为动态环境中多目标条件下移动机器人的视觉定位、导航和目标跟踪所需图像处理技术提供了一种新的方法。