一種新的機器人視覺系統(tǒng)設(shè)計方法

一種新的機器人視覺系統(tǒng)設(shè)計方法

足球機器人主要由四個部分組成：機器人系統(tǒng)、視覺系統(tǒng)、無線通信系統(tǒng)和決策系統(tǒng)。4個子系統(tǒng)構(gòu)成一個閉環(huán)控制系統(tǒng)。決策系統(tǒng)是閉環(huán)系統(tǒng)的控制器,足球機器人是系統(tǒng)的執(zhí)行機構(gòu),視覺子系統(tǒng)是檢驗環(huán)節(jié),無線通信子系統(tǒng)則是決策子系統(tǒng)和足球機器人之間的橋梁。在這種實時交互的多智能體合作系統(tǒng)中,視覺系統(tǒng)起非常重要的作用。整個機器人足球系統(tǒng)要解決的問題有2個:Where和How。視覺系統(tǒng)要解決的問題是我在哪里?它們在哪里?(WhereamI?Wherearethey?)。就是要把目標的位置和運動信息找出來;至于如何踢(Howtokick),那是其它部分應該解決的問題。1實現(xiàn)信息傳遞和患者選擇決策系統(tǒng),進行信息傳遞,進行有效描述視覺子系統(tǒng)是整個足球機器人的眼睛,是系統(tǒng)獲取外界信息的通道,它不斷采集圖像,對圖像進行分析處理,完成目標識別和跟蹤,并把得到的目標信息傳遞給決策系統(tǒng),決策系統(tǒng)得到的是一個圖像序列,決策系統(tǒng)必須根據(jù)這些圖像序列確定各個目標的位置和運動信息,從而向小車系統(tǒng)發(fā)出命令。多目標視覺跟蹤是多目標跟蹤的理論和方法與計算機技術(shù)的結(jié)合,其目的是對圖像序列進行分析,連續(xù)跟蹤圖像的運動目標。1.1卡爾曼濾波器窗口跟蹤根據(jù)多目標跟蹤數(shù)據(jù)關(guān)聯(lián)理論,以目標當前位置和運動信息,采用濾波器預測目標下一幀圖像的位置,并采用動態(tài)窗口跟蹤,縮小目標搜索范圍,并用新的觀測值去修正預測結(jié)果。濾波器經(jīng)常采用傳統(tǒng)的卡爾曼濾波器,也有用其它濾波器,例如α-β-γ濾波器。利用卡爾曼濾波器對當前已被跟蹤的目標的下一步運動進行預測,以縮小目標搜索匹配的范圍,加快目標匹配的速度,實現(xiàn)目標的連續(xù)跟蹤,這種方法已經(jīng)被應用在機器人足球視覺子系統(tǒng),它只需在開始時進行一次全場搜索,而且效率較高。然而,這種窗口跟蹤方法有一個致命的缺點:除第一場外,后面的每一場都依賴于它前面的一場。所以,一旦某一場圖像丟失或者某場圖像某一目標的丟失,就會導致后面的所有或者某個目標跟蹤無法正確進行。1.2目標圖像的正交投影這種方法的思想是識別圖像序列中目標的特征,對多目標進行連續(xù)跟蹤。例如利用投影特征的形心跟蹤方法、實時標記的多目標測量跟蹤和加權(quán)修正模板的圖像相關(guān)跟蹤等。目標圖像的正交投影是一種簡單有效容易實現(xiàn)的特征提取方法。利用投影特征可以方便地計算目標圖像的中心位置、姿態(tài)角和形狀特征,這種方法也被引用到機器人足球視覺子系統(tǒng)中。然而,它存在效率較低的缺點,并且當目標較多,特征差異較小時,同樣會出現(xiàn)識別困難,可見,這種方法依然很難解決跟蹤錯誤的問題。2新型視覺系統(tǒng)的設(shè)計方法2.1解決轉(zhuǎn)換問題機器人足球比賽的發(fā)展趨勢是逐步增加機器人的數(shù)目。隊員增加的直接后果就是色標區(qū)別減小,區(qū)分難度增大,而且容易混淆。圖像分割閾值選取困難,尤其是在顏色漂移嚴重的情況下,顏色相近的物體RGB空間出現(xiàn)重疊,無法找到一個全局的最優(yōu)閾值。雖然,進行顏色空間從RGB到HIS轉(zhuǎn)換原則上可以解決這個問題,但是由于轉(zhuǎn)換的運算量大,難于實時性實現(xiàn)而無法在當前機器人足球系統(tǒng)中完全實現(xiàn)。減少顏色樣本,可以避免目標顏色的相似性,減少了顏色漂移與重疊。劃分小車運動區(qū)域可以減少需用的顏色樣本。比如,在MiroSot5對5的比賽中,通常的機器人足球視覺系統(tǒng)要識別11個目標。如果把球場劃為進攻域和防守域,如圖1(a)所示,則可以把防守域和進攻域分別安排兩個己方機器人,不同域的機器人當然不會混淆,我們不用區(qū)分不同域的小車的隊員色標;如果把進攻域和防守域再分為兩部分,如圖1(b)所示,在4個不同域里各安排一個機器人,則這4個機器人不用隊員色標都可以區(qū)別。然而,這樣會造成雙攻雙守(二域化)或者單攻單守(四域化),因為己方球員被限制在各自的運動域,在敵方兵力比較集中的時候容易造成寡不敵眾。如果讓這些域隨著機器人運動,也就成了下面改進的動態(tài)窗口跟蹤法,如圖1(c)所示。2.2改進的窗口跟蹤方法2.2.1下一步的運動針對原有窗口跟蹤法容易產(chǎn)生跟蹤錯誤,可以采用以下改進的窗口跟蹤方法:如圖1(c),在5對5的機器人足球比賽中,小車的最大速度是2.1m/s,如果采用60場/min的圖像采集速度,相鄰兩幅圖像的對應點最大位移是3.5cm;因此,可以把機器人假想成一個底面直徑為7.5+2nL(n為整數(shù),L為相鄰兩幅圖像對應點的最大位移)的圓柱體,把這樣的一個運動的窗口看作小車,同時考慮不讓它們碰撞,(只考慮己方小車),根據(jù)這個直徑為7.5+2nL的圓,由當前小車的速度和方向來確定下一幅圖像小車可能出現(xiàn)的位置范圍,則在下一個跟蹤窗口的范圍內(nèi),只可能有一個己方小車,這樣就避免了目標跟蹤出錯,準確地跟蹤己方的小車。在這種情況下,只要確定了己方小車的初始位置,就可以準確跟蹤,辨認出自己一方的小車,就可以省去隊員色標而僅使用隊標,從而省去了通過辨別顏色來識別己方隊員編號的復雜過程。這樣,要辨別的顏色目標由7個減少為3個(即球,對方隊標,己方隊標)。這樣就大大減少圖像處理的運算量,提高辨認的準確性與視覺系統(tǒng)的實時性。由于所用色標少,顏色對比鮮明,一般不會丟失目標;萬一本場圖像搜索失敗,下一場圖像以原來目標中心點為中心的窗口進行搜索,直到搜索到目標;如果再失敗,依然在原窗口內(nèi)進行搜索。如果接連n場依然無法搜索到本方某個機器人,則強制其速度為0,使其處于原地,并使別的己方機器人避免碰撞該窗口。直至在此窗口能夠搜索到丟失的機器人,再使其繼續(xù)踢球。這樣可以把因丟失本方機器人而造成的損失降到最低限度。2.2.2確定步長的依據(jù)對方小車和小球的初始位置可以用網(wǎng)格搜索法確定,網(wǎng)格搜索即對所捕獲的圖像自上而下,自左而右以一定的步長(step)間隔掃描而不是全圖逐個像素搜索,從而縮短處理時間,加快處理速度。但是,網(wǎng)格搜索中必須合理選擇步長,如果步長太小,則搜索的像素點增加,會增加搜索時間;反之,如果步長太大,可能會漏掉目標物體。為此,確定步長的根據(jù)就是在最壞的情況下目標也要被掃描到一個點。按照規(guī)定,小車隊標設(shè)計的中心應可以內(nèi)嵌一個3.5cm的正方形。對于小車,所能選擇的最大步長是這個正方形的內(nèi)接圓的內(nèi)接正方形邊長;對圓形的球,所能選擇的最大步長則是圓內(nèi)接正方形的邊長。小球的直徑是4.27cm,如果按小球考慮,最大步長應為3.0cm;如果按隊標考慮,所能選的最大步長應為2.8cm?？紤]到比賽時允許機器人吞掉小球的30%,如圖2所示。在這種情況下,可以取未被吞掉部分的內(nèi)接圓的內(nèi)接正方形的邊長為步長,這個長度大約是2.3cm。顯然,這個尺寸取得偏于保守,但是考慮到有時候小球會被機器人遮擋一部分,為了在網(wǎng)格里能同時搜索到小球和對方隊員,可以把步長定為2.1cm。這個步長大約是6個像素,考慮到經(jīng)常得到的是場圖像,應該把豎向的步長修改為3個像素點。僅此,要搜索的點一下子就變?yōu)樵瓉淼?/18,大大減少了搜索目標的時間。如果搜索失敗,則減小步長,重新搜索。2.2.3生成場球的位置由于小球的顏色是唯一的,因此不會與其他目標混淆;同樣,因為只考慮對方小車的隊標而不區(qū)分隊員,所以在比賽過程中對它們的搜索可以使用一般的動態(tài)搜索窗口,以它們前一場位置建立搜索窗口。如果在某一場圖像搜索失敗,對于小球,由于每一場都不能丟失,如果當前場小球沒在窗口內(nèi),或者整個場上沒有小球,則檢查搜索窗口內(nèi)有無機器人(包括對方機器人),并按照下列步驟處理:步驟1如果窗口內(nèi)沒有任何機器人,則將認為當前場球的位置在前一場位置。步驟2如果搜索窗口內(nèi)有一個機器人,則認為小球被機器人遮擋住了,一旦發(fā)現(xiàn)這種情況,把機器人的遮擋點視為球的位置,并且考慮機器人的遮擋點根據(jù)場地中的位置不同而變化。步驟3如果窗口范圍內(nèi)有多個機器人存在(包括對方機器人),并且其中兩個的距離小于10,則認為小球夾在兩個機器人中間,一旦發(fā)現(xiàn)這種情況,將二者距離的中心位置設(shè)置成小球的位置。同時尋找并占領(lǐng)有利的傳球或射門地點,一旦目標出現(xiàn),迅速擊球。對于對方小車,處理方法相對簡單,如果當前場在窗口丟失,則利用網(wǎng)格搜索法重新在全場中搜索。2.2.4篩選視角位置在這種視覺系統(tǒng)中,必須得到本方小車的初始位置。那么,如何確定己方小車的初始位置呢?可以通過“調(diào)兵遣將”的方法做到。在比賽開始前,通過點擊預備按鈕,首先搜索小球位置,因為球的位置告訴系統(tǒng)現(xiàn)在是開球,點球,爭球,還是罰球。由主機根據(jù)小球的位置,按照預先設(shè)置好的陣形,把小車一個一個地安排到某個位置。這樣就得到每一個己方小車的初始位置。如圖3所示。2.2.5第1種色標方案2種目前在足球機器人比賽(FIRAMiroSot)中,色標設(shè)計有多種,常見的主要有如圖4所示的3種。色標中淺色為隊標,一般為黃色和藍色。圖中用數(shù)字1表示;深色為隊員標志,可以選擇隊標和球以外的任何顏色,圖中用數(shù)字2表示。由于色標顏色已知,飽和度高,一般通過顏色分割不難找到。第1種色標方案靠識別三角形隊標的中心來確定機器人質(zhì)心,通過三角形鈍角指向來確定機器人運動方向;第2種色標方案幾何中心的計算方法是通過統(tǒng)計的方法求得的。對于角度的計算比較復雜,利用補償逼近的算法;第3種色標方案中心的辨識是靠分別辨識隊標和隊員標志的中心,通過兩個重心來獲得機器人的質(zhì)心和角度,并且通過隊員標志的特征顏色來確定車號。第1種色標方案由于小車的質(zhì)心位于隊標的中心,而且運動方向也可以由隊標給出:首先搜索到三角形的3個頂點,然后得到3邊的中點,取各個頂點與對邊中點的連線,任一連線從頂點到對邊中點的2/3處即為機器人中心,其中從中點到頂點的最短的連線決定機器人運動方向。這樣,完全由單一色標來獲取辨識結(jié)果。這正是所需要的,因此可以選擇第1種色標方案。3改進視覺方法n值正確地選擇n值是關(guān)鍵,n值過小,有時候由于圖像系統(tǒng)的噪音以及場外變化光線的干擾而會丟失目標;但是,如果n值過大,小車的靈活性就會變差,就像道路交通擁擠,出現(xiàn)“堵塞”現(xiàn)象,并且圖像處理的運算量也隨之加大。表1是以改進視覺方法在n取不同值時與原方法進行的21場比賽。表格內(nèi)是比分。實驗表明:n值取3～5時效果較好。4在熱碼和初始位置區(qū)分爭議更進一步,由于把要辨識的目標分為3類:對方隊員,己方隊員和球。對于對方隊員,不需要考慮隊員號;對于己方隊員,通過活動窗口和初始位置區(qū)分隊員,所以,也只需要隊標。這樣要識別的目標就只有3個。由于要識別的目標少,可以不用彩色信息,僅靠形狀進行識別,直接在灰度圖像下進行處理。由于在灰度圖像下所有對方隊員隊標和隊員標都是一樣的,因此在灰度圖像下就可以識別對方隊員;本方隊員則可以靠單一的色標提供位置和方向信息。在這種灰度圖像下將大大提高圖像處理速度,從而提高整個系統(tǒng)的實時性和準確性。5基于域劃分的動態(tài)跟蹤本文提出了一種按假想尺寸避免碰撞的視覺設(shè)計方法,把視覺系統(tǒng)要辨別的顏色目標減少到3個,這種方法在7對7,11對11的多機器人比賽系統(tǒng)更能體現(xiàn)它的優(yōu)點。這種方法根據(jù)小球和機器人的不同特點,對它們采用不同的搜索方法。針對小球顏色特殊,不易和其它目標混淆,采