基于K-均值聚类的足球机器人的新型图象分割方法

图象分割是图象处理的关键步骤,也是足球机器人视觉系统中的核心技术。本文结合粗糙集理论和K-均值聚类算法,提出了一种图象分割的方法。将原图象按等价关系进行划分,基于属性约简的概念对不同区域按照不可分辨关系分类。分割结果表明,该方法是一种有效的图象分割方法,具有良好的精确度和鲁棒性。     

高效的彩色图像塔形模糊聚类分割方法

这里提出了一种高效的基于模糊c均值(FCM)聚类的彩色图像分割方法,它利用塔形数据结构对彩色图像进行多层分割。通过对一个彩色图像的分割处理,结果表明,文中所用方法的计算时间仅是用FCM聚类算法而不用塔形进行分割下所需计算时间的十三分之一。     

基于中智模糊聚类的彩色图像鲁棒分割算法

为了提高噪声干扰彩色图像分割的鲁棒性,给出一种基于中智模糊聚类的彩色图像改进分割算法。将像素空间邻域信息嵌入现有的中智模糊C-均值聚类目标函数,利用马氏距离代替欧氏距离,度量中智模糊聚类中样本与聚类中心之间的差异程度,获得适合彩色图像分割的模糊聚类目标函数,并采用拉格朗日乘子法获取隶属度和聚类中心的迭代求解表达式。对彩色图像添加高斯噪声和椒盐噪声,图像分割测试结果表明,所给算法相比模糊C-均值聚类算法和基于马氏距离的中智模糊聚类算法有更强的鲁棒性。     

基于差分粒子群和模糊聚类的彩色图像分割算法

彩色图像数据信息量较大,传统的模糊 C 均值聚类算法（FCM）在分割时更加容易受到初始聚类中心影响陷入局部极值. 文中研究了一种融合差分演化、粒子群和模糊均值聚类的彩色图像分割算法（DEPSO-FCM）. 利用差分演化算法的快速收敛特性、粒子群算法的全局搜索能力,解决模糊均值聚类图像分割时易受到初始聚类中心影响和陷入局部最优的问题,同时针对不同的色彩空间对于图像分割效果的影响,尝试在不同的空间上使用DEPSO-FCM 进行图像分割. 实验表明,该方法能解决 FCM 算法陷入局部最优的问题,在不同的色彩空间上都获得了理想的分割效果.     

基于S、V分量的模糊C均值彩色图像分割算法

针对彩色图像的分割问题,提出一种快速有效的彩色图像分割算法。基于彩色图像的HSV颜色空间,应用快速模糊C均值聚类算法,对彩色图像的S、V颜色分量进行聚类,综合考虑图像中目标彩色个数与得到的聚类中心完成对彩色图像的分割。实验结果表明,与其他彩色图像分割算法相比,本文算法可以准确地分割目标区域颜色不同的彩色图像,背景信息保留较少,运算速度受图像尺寸影响较小,可以得到理想的彩色图像分割结果。     

嵌入邻域像素的彩色图像鲁棒聚类分割算法

为提高彩色图像模糊聚类分割算法的抗噪性,给出一种嵌入像素邻域信息的彩色图像鲁棒聚类分割算法。为适合彩色图像分割,以协方差马氏距离代替模糊C均值聚类算法目标函数中的平方欧氏距离;将样本协方差矩阵行列式作为正则项融入聚类目标函数,以增强算法普适性;将邻域像素滤波信息嵌入聚类目标函数,以改善聚类算法的抗噪性能。针对噪声干扰彩色图像的分割测试结果表明,所给分割算法抗噪鲁棒性良好。     

全自主足球机器人快速目标识别与定位方法

为使机器人视觉系统能够快速、稳定地进行目标识别和定位，采用多阚值粗分割和区域细分割相结合的彩色图像分割算法，以提高特征提取的鲁棒性．在基于区域分割的算法中采用快速游程连通性分析算法，保证了目标识别的实时性．对已识别的目标，利用摄像机针孔模型完成单眼的实时定位．该系统能满足全自主足球机器人对目标识别与定位实时性和鲁棒性的要求，已成功地应用于HIT-Ⅱ型自主足球机器人中．     

基于差分粒子群和模糊聚类的彩色图像分割算法

彩色图像数据信息量较大,传统的模糊C均值聚类算法（FCM）在分割时更加容易受到初始聚类中心影响陷入局部极值．文中研究了一种融合差分演化、粒子群和模糊均值聚类的彩色图像分割算法（DEPSO—FCM）．利用差分演化算法的快速收敛特性、粒子群算法的全局搜索能力,解决模糊均值聚类图像分割时易受到初始聚类中心影响和陷入局部最优的问题。同时针对不同的色彩空间对于图像分割效果的影响,尝试在不同的空间上使用DEPSO-FCM进行图像分割．实验表明,该方法能解决FCM算法陷入局部最优的问题,在不同的色彩空间上都获得了理想的分割效果．     

足球机器人视觉系统中彩色目标分割方法

足球机器人（MiroSot系列）仅依赖于其视觉系统获得比赛场上的信息，视觉系统对获取的小车顶部标志块的彩色图像进行处理，以识别小车信息，作者试验了3种彩色标志块的设置，并在第1种方案的基础上研究了一种快速彩色目标分割方法，即根据足球机器人视觉系统所处理的视频图像中，待识别的目标区域（前景）面积远小于其他区域（背景）的面积，运用一种基于全局扫描的快速算法，1次分割出所有感兴趣的目标，缩减了系统中目标识别时间，从而使系统能进行一些额外的图像预处理操作，在提高系统识别速度的同时，提高识别精度。     

足球机器人视觉色标的快速识别

在FIRA Mirosot足球机器人比赛中,视觉系统是比赛系统中获得环境信息的惟一途径.视觉系统的识别速度和精度对比赛的胜负有很大的影响.针对传统视觉系统的缺陷,在色标设计方案、图像处理、分割快速跟踪方面对足球机器人视觉系统进行改进,以期达到明显减少了计算量和提高实时性的目的.通过实验对比赛中该方案在速度和精度两方面的优越性进行了验证.     

配置机械手的轮式移动机器人目标物体跟踪与抓取

针对配置机械手的室内轮式移动机器人目标物体识别、跟踪和抓取问题,采用一种目标物体识别和机器人定位的方法,利用一种基于模糊控制的轮式移动机器人视觉伺服跟踪控制的方法。针对机器人目标识别跟踪及抓取过程中受环境条件变化的影响,采用HSI颜色模型和基于阈值的区域分割的图像处理方法可以完成目标颜色物体的快速准确识别。基于云台摄像机角度信息的机器人小车目标定位方法和模糊控制理论,设计了模糊跟踪控制器,使机器人输出合适的线速度和角速度,能够实现机器人目标跟踪,使移动机器人趋近目标物体位置,并完成机械手目标物体抓取任务。仿真和实时实验结果表明：所设计的系统具有良好的目标物体识别、跟踪和准确抓取目标的能力。     

全自主移动机器人视觉系统图像分割方法研究

为了准确跟踪运动中的目标,完成对移动目标的实时跟踪,通过分析不同算法的特点,在视觉系统的软件设计中采用了基于HIS颜色空间的阈值分割法与种子区域生长法相结合的图像分割方法对目标进行分割与跟踪.对视觉系统图像识别与分割所涉及的关键技术包括颜色空间的选取和相应的分割算法进行了必要的分析与改进.实验结果表明这种方法可以对彩色图像进行准确分割.     

基于颜色和深度的场景分割

针对家庭服务机器人对分割精度的要求,研究了基于Kinect的场景分割问题。设计了一种融合Kinect获取的深度信息与颜色信息的场景分割方案。将Kinect获取的深度图像与颜色图像分别用一维向量和三维向量表示,并进行归一化,通过一个平衡系数将二者融合到一起形成场景的四维向量描述;再将基于Nystrm方法的Normalized Cuts谱聚类算法应用于四维向量,从而实现场景分割。实验结果表明,该算法的分割结果优于单独基于颜色或深度信息的场景分割算法,能达到家庭服务机器人对场景分割精度的要求。     

RoboCup中型机器人视觉系统的设计与实现

针对RoboCup中型机器人比赛,设计了机器人的视觉系统．首先选择HSI颜色空间并采用查找表技术对图像进行颜色分割,接着利用RLC技术分割感兴趣的区域,实现目标识别后,再采用角度定位和特征点定位相结合的方法实现机器人场上自定位．     

集控式足球机器人目标快速识别及定位

针对足球机器人视觉系统的实时性要求，研究了基于颜色的快速图像分割方法及综合运用动态窗口技术、移动网格技术、交叉线法确定物体质心技术在动态环境下对多个目标进行快速识别及定位。实验结果验证了算法的有效性。     

基于颜色和形状特征的目标检测与识别

研究了一种基于颜色和形状特征的相似目标检测与识别方法。采用混合学习方式来获得目标颜色阈值解决环境光照变化,利用改进的Hough变换检测目标形状,解决目标部分遮挡和阴影的影响,基于模糊理论判定目标颜色和形状信度,该方法应用于移动机器人在复杂环境中对目标的检测与识别,实验结果证明了所提出方法的有效性。     

基于颜色和形状特征的目标检测与识别

研究了一种具有相似颜色和形状特征的目标检测与识别方法。采用学习一扩充法获得适应性目标颜色特征的空间分布,克服环境光照变化对目标颜色特征提取的影响。利用改进的Hough变换检测目标形状特征,解决目标区域出现阴影及目标被部分遮挡对识别的影响。最后通过融合前面所获得的颜色信度和形状信度,对目标进行模糊判决。通过移动机器人在复杂环境中对目标的检测与识别应用,证明了该方法的有效性。     

基于Matlab和VC++混合编程的障碍检测系统设计

本文主要研究移动机器人在环境未知情况下的障碍物检测问题,提出了一种图像分割和立体视觉相结合的方法进行检测,减小了检测算法的复杂度,并能快速可靠地检测出机器人行进前方障碍物的位置和距离信息;将VC++的可视化图形界面功能和MATLAB的强大图像处理功能有机的结合起来,采用混合编程开发方法实现障碍物检测系统软件。实验结果表明,该方法在障碍物检测系统的开发过程中大大提高了编程效率,缩短了软件的开发周期。