足球机器人视觉图像的快速识别

FIRA MIROSOT机器人足球比赛中，视觉系统是比赛系统中获得环境信息的唯一途径。视觉系统的识别速度和精度对比赛的胜负有很大的影响。针对传统的视觉缺陷，在色标设计方案、彩色空间的转换、色彩的阈值判别和图像分割几个方面进行改进，明显地减少了计算量，提高了实时性。实验结果表明，比赛中该方案在运算速度和精确度2方面都具有很大的优越性。     

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。     

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。     

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。     

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。     

全自主足球机器人体系结构的研究

为了在20cm×20cm×40cm的空间内实现全自主足球机器人的各项功能,本文提出了一种全自主足球机器人体系结构。该体系结构体积小、功能强,能够满足机器人足球比赛的要求,并可推广到其他移动机器人系统中。     

机器人足球与足球机器人

机器人足球与足球机器人是最近几年在国际上迅速开展起来的高技术对抗活动,虽然历史不长,但由于它集高新技术、娱乐比赛于一体,是密切理论联系实际的极富生命力的成长点,所以引起了社会的广泛关注和极大兴趣.     

RoboCup中型组足球机器人系统关键技术

RoboCup中型组机器人足球比赛是一个研究多自主移动机器人、机器人视觉及其他相关领域的标准测试平台。从机器人机械结构、硬件结构、体系结构、环境感知、行为及策略等方面详细介绍了RoboCup中型组足球机器人系统相关关键技术的研究现状,最后展望了RoboCup中型组足球机器人系统的技术发展趋势。     

足球机器人彩色视觉图像的分割与识别

足球机器入世界杯(RoboCup)比赛要求视觉处理子系统能够准确地定位出场上机器人和球(共11个目标)的位置。受场地光照等比赛环境的影响,需要识别的各种色彩空间并非是规则且互不相交的矩形区域。因此用传统的阚值分割方法很难得到满意的结果。论文采用了一种结合阚值分割与种子点区域生长(SRG)的混合方法,这种方法先用阚值法将HSI色彩空间分成若干各不相交的子集,在每个子集中分别确定若干种子点,然后从这些种子点进行区域生长,在进行区域生长时,定义了一种适合HSI色彩空间的同类判据(homogeneity criterion),引入两个像素的联合抗噪因子P来衡量H的可信度。实验表明,采用的这种方法可以明显地提高区域分割的精度,实现彩色图像的准确分割,很好地满足了比赛的需要。     

一种中型组机器人足球系统的任务分解方法

针对Robocup中型组足球机器人比赛系统的环境高度动态变化、高度对抗性的特点,提出了一种新的基于对方机器人位置的足球机器人系统任务分解方法.改变了将机器人看做一个点的传统处理方式,引入球员辐射区以描述某一时刻机器人的活动范围及其倾向;根据对方在球场上位置分布及其稀疏程度动态实现球场动态分割,从而使任务分解具有灵活性、...     

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。     

动态光照条件下足球机器人视觉目标的识别

赛场光照条件的波动会对足球机器人视觉目标识别产生较大的影响.为了使目标识别算法在变化的光照条件下保持较高的识别稳定性,本文根据实时采集的图像提供的信息,通过构造随光照条件动态变化的动态背景阈值、亮度阈值,并对有效色彩信息进行动态的饱和度调整,有效地降低了光照条件对图像识别的干扰.实验结果表明:该算法在动态变化的光照条件下,仍然能够保持较高的识别准确性.     

Robocup半场防守中的一种强化学习算法

Robocup仿真比赛是研究多Agent之间协作和对抗理论的优秀平台,提高Agent的防守能力是一个具有挑战性的问题。为制定合理的防守策略,将Robocup比赛中的一个子任务——半场防守任务分解为多个一对一防守任务,采用了基于Markov对策的强化学习方法解决这种零和交互问题,给出了具体的学习算法。将该算法应用到3D仿真球队——大连理工大学梦之翼(Fantasia)球队,在实际比赛过程中取得了良好效果。验证了采用Markov零和对策的强化学习算法在一对一防守中优于手工代码的结论。     

基于遗传算法优化的足球机器人模糊避障研究

在Robocup小型组(F-180)足球机器人比赛中,随着比赛对机器人运动能力和系统实时性要求的越来越高,基于本地传感器和处理器的主动避障策略日益受到人们的重视.模糊控制方法不依赖于精确的环境信息,并且运算量小,应用于自主避障很有前途,但传统的模糊控制方法难于手工创建控制规则,并且缺乏学习能力.研究了采用遗传算法对模糊路径规划器的模糊规则进行在线自动提取和优化的方法,并提出了一种用于评价规则有效性的适应度函数.仿真结果表明了算法有较好的适用性.     

足球机器人多智能体协作策略

文章提出了足球机器人多智能体系统协作策略,它由三部分组成:角色执行器、角色分配器和避撞任务处理器。机器人角色分为进攻、防守和守门。角色任务处理器决定每一角色运动到何位置。角色分配器在每个采样周期中,根据视觉信息,动态地改变每一机器人的角色。避撞任务处理器预测两个机器人相撞的可能性,并改变机器人目标位置以避免碰撞。角色任务执行器执行由4阶bezier曲线产生运动轨迹。带有PID控制的足球机器人跟踪确定的bezier曲线。该文提出的策略已成功应用到GDUT_TAIYI队。