足球機器人視覺位姿檢測的色標(biāo)設(shè)計

足球機器人視覺位姿檢測的色標(biāo)設(shè)計

1基于信息的位姿識別算法足球機器人比賽是機器人研究的一個新熱點。它為人工智能理論和算法的研究提供了一個實驗平臺。他的研究領(lǐng)域包括人工智能、自動控制、機器人視覺、無線通信、機械學(xué)習(xí)、多智能合作和協(xié)調(diào)等。其比賽是國際機器人足球聯(lián)盟(FIRA)的系列比賽之一。MIROSOT微型足球機器人比賽系統(tǒng)主要由機器人(小車)子系統(tǒng)、通信子系統(tǒng)、視覺子系統(tǒng)和決策子系統(tǒng)組成。視覺子系統(tǒng)是整個足球機器人系統(tǒng)正常工作的關(guān)鍵和基礎(chǔ),通過視覺子系統(tǒng)能夠確定本方機器人、對方機器人的位姿以及足球的位姿,從而為決策系統(tǒng)提供必要的信息。所以一種能夠準(zhǔn)確、快速地檢測出機器人和球的位姿的算法對于整個足球機器人系統(tǒng)是至關(guān)重要的。目前針對足球機器人的位姿檢測有不少的研究成果:文中提出了一種基于區(qū)域投影的方法的識別方法,可以利用比較簡單快速的方法來識別色標(biāo)的不同形狀,其最大的特點是能夠快速有效地分割和識別處理多個機器人粘連在一起的情況。文提出了一種通用的色標(biāo)識別算法,它利用顏色的相似度,采用排異聚類的方法來提取色標(biāo)的主色,對變化的光照有較強的魯棒性,具有一定的視覺識別恒常性,同時減少了人為的干預(yù)過程;文在采用最大最小值閾值法的基礎(chǔ)上,在動態(tài)掃描窗口中,利用輪廓提取的算法來識別目標(biāo)對象。本文在總結(jié)已有文獻(xiàn)研究成果的基礎(chǔ)上,提出了一種快速位姿檢測的方法。2運動目標(biāo)跟蹤足球機器人視覺系統(tǒng)可分為兩種模式:①分布式視覺系統(tǒng)。每個機器人有自己獨立的視覺系統(tǒng),用于目標(biāo)的捕捉和自身的定位,足球機器人在運動場景中搜索和識別物體,這是運動視覺的典型應(yīng)用,視覺子系統(tǒng)還必須考慮景深和3維重建的問題。②集中式視覺系統(tǒng)。所有的足球機器人共用一個視覺子系統(tǒng),視覺子系統(tǒng)完成所有目標(biāo)的定位。集中式視覺系統(tǒng)的視場固定,處理的是2維圖像,不需考慮3維問題,它需要從靜止背景中識別運動的目標(biāo),也屬于運動視覺問題,但要求定位多個目標(biāo),因此它是一個多目標(biāo)視覺跟蹤系統(tǒng)。FIRAMIROSOT機器人視覺子系統(tǒng)屬于集中式的機器人視覺系統(tǒng)。MIROSOT視覺子系統(tǒng)的主要識別對象是機器人、球和場地,而且它的實時性要求很高,需要對所有目標(biāo)進(jìn)行實時識別與跟蹤,所以MIROSOT視覺子系統(tǒng)是一個實時的彩色圖像多目標(biāo)視覺跟蹤系統(tǒng)。圖1從工作的過程出發(fā)提供了一個簡單的系統(tǒng)實現(xiàn)框架。3快速定位檢測方法3.1色標(biāo)的設(shè)計方案視覺子系統(tǒng)識別機器人對象,是依賴機器人頂上的顏色標(biāo)記來識別的,用不同的顏色特征來區(qū)分不同的機器人。一般地,視覺子系統(tǒng)根據(jù)機器人頂上的色標(biāo)塊來確定坐標(biāo)位置(x,y)和方向角θ,從而得出機器人的位姿信息。不同的參賽隊伍對色標(biāo)塊有著各自不同的設(shè)計,通常,色標(biāo)包括兩個部分(如圖2(a)所示):隊標(biāo)和隊員標(biāo)志。隊標(biāo)主要用于隊別的區(qū)分,隊員標(biāo)記主要用于隊員號的確定。色標(biāo)除了用于區(qū)分隊別和不同的機器人以外,很重要的作用是用于識別機器人的位置和方向角。色標(biāo)的設(shè)計問題一直是足球機器人視覺系統(tǒng)所遇到的一個難題,好的色標(biāo)設(shè)計不僅能提高辨識精度,還能改善系統(tǒng)的實時性和抗干擾性。圖2是3種常用色標(biāo)的設(shè)計方案。(a)方案缺點是:①該色標(biāo)是通過隊標(biāo)和隊員標(biāo)記兩個色塊來確定色標(biāo)的位姿,一旦其中一個色塊識別誤差過大或者丟失都會導(dǎo)致整個色標(biāo)的識別誤差增大甚至無法識別。②這種色標(biāo)是按中心對稱分布的,當(dāng)兩個機器人緊挨在一起時,色標(biāo)會出現(xiàn)粘連的現(xiàn)象,導(dǎo)致兩個機器人無法區(qū)分開,或者有其他顏色色塊靠近時也會發(fā)生識別錯誤的現(xiàn)象。(b)方案的缺點是:機器人的方向角是根據(jù)隊標(biāo)的形狀進(jìn)行識別的,然而在實際的圖像處理過程中,由于存在諸多的干擾因素,很難識別出一個嚴(yán)格的三角形形狀。(c)方案的缺點是:在表示多個機器人時,必須選用多個不同顏色的隊員標(biāo)記,由于顏色數(shù)量的增多,顏色之間的相互干擾,都會導(dǎo)致識別的復(fù)雜度提高。3.2色標(biāo)編碼方法文提出了一種新的色標(biāo)設(shè)計方案,逐漸流行于各大學(xué)球隊,如東北大學(xué)、河海大學(xué)均采用這種色標(biāo)設(shè)計方案。色標(biāo)設(shè)計如圖3所示。色標(biāo)尺寸為75mm×75mm,分為4個區(qū)域,周圍留出5mm以防止不同機器人色標(biāo)之間的粘連和混色.區(qū)域T為隊標(biāo)(70mm×35mm),位于色標(biāo)的中心,根據(jù)隊標(biāo)顏色區(qū)域可以計算出其質(zhì)心和角度。區(qū)域A為黑色,它與隊標(biāo)決定機器人的方向。區(qū)域B和C(37.5mm×20mm)為決定隊員編號的標(biāo)識顏色,用4種顏色(black,green,cyan和pink)編碼11個機器人,具體編碼方法如圖3所示,圖中箭頭方向為機器人正面。其搜索算法采用的是傳統(tǒng)方法。機器人足球?qū)崙?zhàn)證明,文的方法在準(zhǔn)確性、編碼能力等方面都有不錯的表現(xiàn)。但仍然沒有完全解決色標(biāo)粘連問題,特別是當(dāng)機器人側(cè)向碰撞時很容易粘連,且一旦機器人數(shù)目增多,其實時性也有一定問題。受該方案啟發(fā),我們設(shè)計了一個更簡便快捷的色標(biāo)方案:隊標(biāo)方面,隊標(biāo)依然位于色標(biāo)的中心,但大小定義為40mm×30mm,兩端為弧形突出(圖4);小車編碼方面,我們只通過隊標(biāo)和B、C兩個區(qū)域來決定機器人的角度和號碼,不識別A區(qū)域,所涉及的顏色有3種(black,green,pink),這樣采用兩種顏色總共可以對8個機器人進(jìn)行編碼,若需對更多機器人編碼,增加顏色數(shù)量即可。具體編碼方法如表1所示。因此在我方機器人數(shù)目少于8個的比賽中,只需要識別三個顏色,用十分廉價的攝像頭就可以獲得很好的效果。3.2.1種子點和隊標(biāo)方向搜索隊標(biāo)位姿確定首先是要識別組成隊標(biāo)的各個像素的坐標(biāo),本文采用基于色塊的外接矩形法來識別隊標(biāo),并提出一種外接矩形的快速獲取算法:步驟1在一幀圖像中通過圖像分割得到隊標(biāo)區(qū)域,進(jìn)行二值化后,符合隊標(biāo)顏色特征的像素點的值令為1,不符合的令為0,再通過適當(dāng)步長的網(wǎng)格搜索至少可以得到隊標(biāo)區(qū)域中的一個值為1的像素點,以該點作為種子點。步驟2搜索種子點的8領(lǐng)域像素點,找到可以和種子點組成2×2的矩形的3個值為1的像素點,這個2×2的矩形即為搜索初始矩形。步驟3以矩形的上邊長上的各點為起始點分別向上搜索,搜到值1點或搜遍該邊上所有點后停止,若搜到值1點,矩形向上擴張1;同理以矩形的右邊、下邊、左邊的各點為起始點向各方向搜索。步驟4循環(huán)執(zhí)行步驟3,直到順著矩形的上下左右四個方向都搜遍且無值1點,得到隊標(biāo)的最小外接矩形。步驟5在最小外接矩形內(nèi)部搜索值為1的像素點,記錄這些像素點的坐標(biāo)值。則隊標(biāo)的中心點坐標(biāo)可由下式求得:x0=1n∑i=1nxiy0=1n∑i=1nyix0=1n∑i=1nxiy0=1n∑i=1nyi其中,(xi,yi)表示搜索到的值為1的像素點的坐標(biāo),n表示搜索到的值為1的像素點的數(shù)量。步驟6確定隊標(biāo)的方向。本文采用文的方法來進(jìn)行隊標(biāo)方向角的確定。采用新隊標(biāo)方案后,由于隊標(biāo)的外接矩形沒有超出機器人外殼的范圍,隊標(biāo)不會發(fā)生粘連。而且,隊標(biāo)搜索只在外接矩形內(nèi)進(jìn)行,提高了實時性。而實時性正是這類高度動態(tài)的實時對抗系統(tǒng)的核心性能之一。3.2.2隊標(biāo)中心坐標(biāo)和方向機器人編碼方法及要識別的顏色見表1。步驟1對一幀圖像進(jìn)行多重二值化,符合顏色1的像素點令其值為1,符合顏色2的像素點令其值為2。既不符合顏色1又不符合顏色2的像素點令其值為0。步驟2隊標(biāo)中心點坐標(biāo)和方向現(xiàn)在已知,現(xiàn)在從隊標(biāo)中心點出發(fā),可以找到B區(qū)域和C區(qū)域的中心點。步驟3分別以兩個中心點為基準(zhǔn)找到B、C兩個區(qū)域的最小外接矩形。步驟4在兩個外接矩形內(nèi)搜索全部像