足球机器人视觉系统光强自适应算法研究

研究足球机器人比赛问题,比赛环境的光强度变化严重影响足球机器人视觉系统的识别性能.为提高机器人视觉识别率,提出了一种基于HSI颜色空间模型的光强自适应算法.算法将比赛场地划分为若干区域,利用HSI颜色空间模型可以分离环境光强度信息的特点,在比赛中动态更新所有划分区域的HSI颜色空间,提高了机器人视觉系统对光强变化的自适应能力,实现了机器人对比赛场地信息的精确辨识.因此用算法优化机器人视觉识别系统进行仿真.结果表明,在实际比赛中,算法能够有效降低环境光强度变化,大大提高了对足球机器人视觉辨识性能.     

一种基于光照变化补偿的颜色识别方法

针对RoboCup中型组足球机器人比赛中光照变化会使颜色发生色彩漂移,影响颜色识别的准确性问题,提出一种基于光照变化补偿的颜色识别方法。该方法首先利用球的历史信息预测球的位置,然后在较小的区域内用基于色调直方图反向投影的方法找到球后,通过球的亮度直方图的变化计算出光照变化率,用于动态补偿颜色查找表。实验表明该方法能提高颜色识别的光照自适应性。     

Mirosot足球机器人对方方向的识别

在Mirosot足球机器人比赛中,为解决对方足球机器人当前运动方向的识别问题,提出了一种基于记忆的曲线拟合判别方法;该方法通过对机器人历史位置的状态记忆,采用改进的最小二乘法,对位置信息进行曲线拟合,并以计算出的当前时刻点的切线方向,作为对方机器人的运动方向;对在Mirosot足球机器人系统中实际测试得到的数据,进行处理的结果表明,该算法达到了很好的效果,可用于Mirosot足球机器人的实战系统中.     

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.     

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.     

腐蚀/膨胀算法在足球机器人视觉系统中的应用

在FIRA MiroSot机器人足球比赛中,视觉系统是获得比赛场上机器人与球位置信息的唯一途径。视觉系统的识别速度、精度直接影响到比赛的胜负。针对传统视觉系统在机器人足球比赛中获取各实体的位置不够准确的问题,提出了一种结合数学形态学中腐蚀/膨胀算法来处理视觉系统中的实时图像,增加足球机器人视觉系统识别的精度的设计方案。实验结果表明,该方案在没有降低比赛中识别速度的前提下,大大地提高了识别精度。     

基于FESTO自动化仓库系统工件的图像识别研究

针对德国FESTO公司自动化仓库系统的工件识别问题,采用图像识别技术识别工件的颜色和位置,实现仓库信息的实时反馈。运用MATLAB软件采用RGB算法提取仓储工件颜色特征,通过向量组合形成该图像特征值。对所有样本的图像特征输入BP神经网络进行训练,并将经过处理的实时图像数据存储在INFOR数组中。在自动化仓库系统运行中,利用INFOR数组和实时图像对比,实现对工件的颜色识别与位置识别。     

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。     

一种基于全维视觉与前向单目视觉的目标定位算法

在机器人足球中,机器人周围的环境信息被颜色特殊化.在对基于颜色阈值分割的分析基础上,针对不同光线的情况下提出了改进的颜色阈值分割法,实现了全维视觉和前向单目视觉对场上不同颜色目标的识别.在此基础上实现了前项单目视觉和全维视觉的目标定位,利用Kalman滤波算法,实现二者的信息融合,从而实现更准确的目标定位信息.实验结果...     

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。     

Biomimetic control architecture for robotic cooperative tasks

This article proposes some control algorithms to be applied to the MIROSOT robot league architecture. The MIROSOT league soccer game concept is fairly simple: two teams of robots, with 3–5 robots per side, play football autonomously. The ball that the teams play with is an orange golf ball. Above the pitch is a machine vision camera running at 60 frames per second. This camera is linked to a server, which calculates the positions and velocities of each of the robots and the ball, and then determines what each robot should be doing. These instructions are then communicated to the robots over wireless links. In order to develop an efficient control strategy and architecture, the robots have to use strategies from the real human soccer game. Using the software Simi Scout, a suitable analysis of tactics can be extracted from the games. After analyzing the soccer game, a number of attributes are specified and then embedded at different levels. The specified attributes are interconnected, and the analysis of the game is processed for optimization. Using this information, the robot program is adapted and experimental tests/games are played. We comment on the results, and propose an improved control architecture based on practical results.     

Path planning based on geographical features information for an autonomous mobile robot

We propose a path-planning algorithm for an autonomous mobile robot using geographical information, under the condition that the robot moves in an unknown environment. Images input by a camera at every sampling time are analyzed and geographical elements are recognized, and the geographical information is embedded in an environmental map. Then the path is updated by integrating the known information and the prediction on the unknown environment. We used a sensor fusion method to improve the mobile robot's dead-reckoning accuracy. The experimental results confirm the effectiveness of the proposed algorithm as the robot reached the goal successfully using the geographical information.     

多特征提取的双目机器人目标跟踪

为了解决复杂环境下双目机器人的目标跟踪问题,提出多特征提取的方法。在机器人静止-目标运动模式下根据改进的步态光流图和视角识别目标并构造颜色直方图模板;在机器人运动-目标运动模式下利用扩展卡尔曼滤波器、基于自适应核函数的CamShift算法、基于Hu矩的头肩模型匹配算法提取目标的运动特征、颜色特征和头肩特征以实现目标跟踪。实验分析表明,所提出方法能够避免启动时手动框选目标,可以实现遮挡和背景与目标相似度高等复杂环境下的目标跟踪。     

基于广义预测控制的移动机器人视觉导航

研究了室内环境下移动机器人的视觉导航问题。由单目传感器获取场景图像,利用颜色信息提取路径,采用最小二乘法拟合路径参数,简化图像处理过程,提高了算法的实时性。通过消除相对参考路径的距离偏差和角度偏差来修正机器人的位姿状态,实现机器人对路径的跟踪。为消除机器视觉识别和传输的耗时,达到实时控制,采用改进的多变量广义预测控制方法预测下一时刻控制信号的变化量来修正系统滞后。仿真和实验结果证明了控制算法的可靠性。     

一种基于颜色特征的目标识别算法

在机器人视觉中,颜色是物体识别和认知过程中必不可少的信息。在YUV颜色空间的基础上,提出了一种基于颜色特征的目标识别算法,采用学习——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,并在算法中采用“位与”运算,提高了识别效率,实际应用证明了该方法的有效性。     

多颜色模型下的乒乓球快速检测与实时跟踪研究

乒乓球机器人视觉系统中的乒乓球检测主要有基于运动分析和基于单一颜色模型分割两种方法.基于运动分析的方法对运动背景干扰的鲁棒性较差,而基于单一颜色模型的分割方法会受到相近颜色及光照变化的干扰.为此,提出了多颜色模型下的乒乓球分割算法,结合RGB与HSV两种颜色模型的颜色表达特性提取出乒乓球区域,并利用质心法对乒乓球进行中心定位.在此基础上,提出基于前帧位置的感兴趣区域算法,对乒乓球进行实时跟踪.实验表明,该方法能够在复杂环境下对乒乓球进行快速精确定位,算法处理时间小于10 ms,定位误差小于20 mm,满足乒乓球机器人的击球需要.     

3D monocular robotic ball catching

A new method to catch a thrown ball with a robot endowed with an eye-in-hand monocular visual system integrated into a gripper is proposed. As soon as the thrown ball is recognized by the visual system, the camera carried by the robot end-effector is forced to follow a baseline in the space so as to acquire an initial dataset of visual measurements from several points of view, providing a first estimate of the catching point through a linear estimation algorithm. Hereafter, additional measurements are acquired to constantly refine the previous estimate by exploiting a nonlinear estimation algorithm. During the robot trajectory, the translational components of the camera are controlled in such a way as to follow the planned path to intercept the ball, while the rotational components are forced to keep the ball into the field of view. Experimental results performed on a common industrial robotic system prove the effectiveness of the presented solution.     

Real-time navigation using randomized kinodynamic planning with arrival time field

In this paper, we propose a novel path planning algorithm for a mobile robot in dynamic and cluttered environments with kinodynamic constraints. We compute the arrival time field as a bias which gives larger weights for shorter and safer paths toward a goal. We then implement a randomized path search guided by the arrival time field for building the path considering kinematic and dynamic (kinodynamic) constraints of an actual robot. We also consider path quality by adding heuristic constraints on the randomized path search, such as reducing unstable movements of the robot by using a heading criterion. The path will be extracted by backtracking the nodes which reach the goal area to the root of the tree generated by the randomized search, and the motion from the very first node will be sent to the robot controller. We provide a brief comparison between our algorithm and other existing algorithms. Simulation and experimental results prove that our algorithm is fast and reliable to be implemented on the real robot and is able to handle kinodynamic problems effectively.     

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．     

复杂彩色文本图像中字符的提取

从复杂彩色文本图像中提取和识别字符已经成为一个既困难又有趣的问题。本文给出了一个具有创新性和实用性的区域生长算法用于彩色图像的分割:彩色图像游程邻接算法CRAG(color run-length adjacency graph algorithm)。我们将该算法用于彩色文本图像,首先得到图像的彩色连通域,再对这些连通域的平均颜色进行颜色聚类,可得到若干个聚类中心,然后根据不同的颜色中心将图像分为相应的彩色层面,最后通过连通域分析判断所需的文字层。该生长算法修改并扩展了传统的BAG算法,并将其运用于彩色印刷体文本图像中,充分利用了彩色图像的颜色和位置信息。实验结果表明新的方法能很好的从彩色印刷图像中提取多种常见的艺术字,并具有较高的提取速度,同时保留了文字和背景图像的原始色彩,便于将来的图像恢复。