当前位置：文档之家 › 中型组足球机器人场地标定系统的研究

中型组足球机器人场地标定系统的研究

  • 格式：pdf
  • 大小：568.45 KB
  • 文档页数：4

常熟理工学院学报（自然科学）JournalofChangshuInstituteTechnology（NaturalSciences）第26卷第8Vol.26No.82012年8月Aug.,2012

收稿日期：2012-06-16基金项目：江苏省大学生实践创新训练计划项目“中型组机器人目标自动识别与跟踪研究”（B2339）作者简介：王会（1991—），女，江苏徐州人，常熟理工学院电气与自动化工程学院自动化专业学生.通讯作者：毛丽民（1981—），男，江苏常熟人，讲师，硕士，研究方向：机器人与目标跟踪.中型组足球机器人场地标定系统的研究

王会，毛丽民，江维勇，万莹，俞雷

（常熟理工学院电气与自动化工程学院，江苏常熟215500）

摘要：场地标定关系到机器人在场地中的正常运作.本文研究了中型组足球机器人的场地

标定系统，应用基于颜色的阈值分割法，对采集的图像通过阈值分割来确定HSI图像中场上信息的

颜色阈值，实现了对绿色场地、橙色足球、白色标志线、黑色障碍物的标定.实际运行达到预期效

果，证明了该方法的有效性.关键词：足球机器人；图像处理；阈值；场地标定；

中图分类号：TP368.1文献标识码：B文章编号：1008-2794（2012）08-0076-04

场地标定对足球机器人的正常运作有至关重要的作用.在场地标定时，颜色空间的选取直接决定了图

像处理效果，本文将RGB格式的图像转换为HSI图像进行处理，分别采用中值滤波与梯度锐化法进行平滑

锐化[1]，图像分割采用基于阈值法的彩色图像分割法.最后通过实际调试证明选取的方法是可行的，能够有

效完成场地标定工作.

１颜色空间的选取

目前主要有三种颜色空间模型：RGB模型、YUV模型和HSI模型.摄像头采集的图像为RGB模型，该模

型较易获取，但没有将照度等信息剥离，难以进行颜色阈值的划分，因此处理时先将RGB转换为HSI，再对HSI空间进行图像处理.

RGB是最常用最直观的颜色空间，使用红（Red）、绿（Green）、蓝（Blue）三个颜色分量来描述颜色.由于

R、G、B三个分量和亮度相关，即只要亮度改变，三个分量都会变化，所以对于纯色系的识别简单，但受亮度

影响过大，且RGB是不均匀的颜色空间，因此不适合于图像分割和分析，难以进行颜色阈值的划分.HSI是从人的视觉系统出发，用色调（Hue）、色饱和度（Saturation）和亮度（Intensity）来描述色彩[2].在HSI

中，亮度I指彩色光对人眼球的光刺激强度，显然它只和光的能量有关，而与光的颜色无关[3].色调分量H和

饱和度分量S与人类知觉颜色的关系紧密.阈值划分简单，只需要在色调分量上进行范围划定，亮度分量被

剥离，同时限定一个亮度最低值即可实现功能.这些特点使得HSI模型非常适合借助人的视觉系统来感知

颜色特征的图像处理算法.

足球机器人摄像头采集到的图像为RGB空间，要将其转换为HSI颜色空间再进行图像处理.以下为RGB颜色空间与HSI颜色空间之间的转换公式[7]：王会，毛丽民，江维勇，等：中型组足球机器人场地标定系统的研究8

H=ì

í

îïïïï

ïïïïundefined,ifMAX=MIN

60°×G-BMAX-MIN+0°,ifMAX=RandG≥B

60°×G-BMAX-MIN+360°,ifMAX=RandG

60°×B-RMAX-MIN+120°,ifMAX=G

60°×R-GMAX-MIN+240°,ifMAX=B（1）

S=ìíîïï0,ifMAX=0

1-MINMAX,otherwise（2）

在转换的时候为了提高运算速度，将公式优化为：{S=MAX-MINV=MAX（3）

2图像处理

2.1HSI图像处理

本文在实际HSI图像处理过程中具体分为CRGB2HSI（颜色空间转换）、CErosionl（腐蚀）、CDilation（膨

胀）、CConctDomain（连通域检测）四个处理环节.2.2图像分割

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程.现有

的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法[4]以及

基于特定理论的分割方法等.图像分割的目的就是要在一幅图像中提取出不同区域的轮廓，这就是将图像

分割成不同的区域，每个区域都由大致相同的像素组成[5].

图像分割采用的是基于阈值法[6]的彩色图像分割.阈值法假设颜色值在一定范围内的像素属于同一类

区域，据此将色彩空间划分为若干不相交的子集.阈值法的最大特点是计算简单，在重视运算效率的应用场

合得到了广泛的应用[8].我们应用阈值分割法在HSI色彩空间利用图像的颜色直方图将被检测物体从背景

中分割出来.

3阈值的获取

场地标定是基于颜色阈值的不同，因此在赛前需要针对不同的场地进行标定，获取场地各个目标的颜

色阈值范围.由于需要将摄像头采集到的RGB图像转换成HSI颜色模型，因此我们利用的阈值参数结构体

为HSIParam.structHSIParam

｛intHue_max，Hue_min，//H阈值区间上下限

Satu_min，Satu_max，//S阈值区间上下限

I_min，I_max；//I阈值区间上下限

｝

4场地颜色的标定

足球机器人进入场地后需要对场进行标定，标定前首先要设定好摄像头参数，完成设定后，将机器人放

置在场地的一些特定位置，如中圈、球门前方.采集全景图像作为颜色标定图像，从而可得到HSI色彩空间772012年常熟理工学院学报（自然科学）

下的颜色分布图（如图1所示），在颜色分布图上

标出合适的方框，选定几种颜色的阈值范围，包

括绿色场地，白线，红球及敌我双方机器人的颜

色标志.为了去除干扰，要反复调整阈值，以去除

其他颜色的干扰.彩色摄像机输出格式为RGB，

所以查表的分类索引为RGB.先将摄像机采集

到的RGB颜色数据转换为HSI颜色数据，在HSI

颜色空间下进行颜色分类，确定对应颜色的阈

值.由此可以得到HSI的颜色阈值，再利用空间

转换关系将HSI阈值转换为RGB阈值，最终建立RGB颜色空间到分类结果的查找表.4.1标定黑色障碍物

利用HSI颜色编辑器进行场地标定的色域

选取，需要标定的黑色障碍物目标主要是己方和

对方的机器人本体，应尽可能将绿色场地内的机

器人和裁判的黑色衣裤等障碍物划到范围中，如

图2所示.黑色的特点是在H向量上包含了所有

值，在S向量的上限很小而下限为0，同时I值也

在一个很低的范围内.因为部分场地存在光照

原因，机器人本体的影子会造成机器人周围的绿

色变得较深，标定黑色障碍物时需要注意机器人自身影子部分，否则机器人会因为规避自己的影子造成乱

跑现象.

黑色障碍物的阈值分布：H：0-360，S：0-17，I：0-66.

4.2标定绿色场地

对场地颜色的标定要严格注意不要与场外

绿色物体相混淆.如果无法避免将场外物体标

定上，则尽量避免标定的场外物体与场地像素太

过接近.绿色像素的范围，将决定视觉算法在图

像中寻找目标物体的范围所以应尽可能将其限

定在比赛场地之内，如图3所示.标定结果将影

响后面所标定的目标识别结果，场地的范围应在排除场外颜色干扰的情况下尽可能的标全，且优先考虑排

除场外颜色干扰.程序中，所有目标识别是以绿色范围内的颜色作为有效识别目标.

绿色场地的阈值分布：H：133-183，S：20-255，I：65-100.4.3标定白色标识线

相对于其他目标，场地上的白线比较细，所

以标定时应尽可能把白线标定完全，切勿遗留大

段的白线处于未标定状态，如图4所示.标定时，

对绿色场地以外的任何相似白色物体都可以忽

略，因为有前一项标定的保证，场地外的白色不

会形成干扰.此项标定结果将影响机器人在场

地里的自我定位.

白色的标定在H和S向量上，跟黑色标定相图2

标定黑色障碍物

图3

场地绿色的标定

图4

白色场地线的标定图1HSI

下的颜色分布78王会，毛丽民，江维勇，等：中型组足球机器人场地标定系统的研究8

似，甚至S值上限可以再高一些.在I值上，白色则是一个贴近上限的范围.为了将白线标全，阈值范围可以

稍微大一些.

白色标志线的阈值分布：H：1-360，H：0-56，I：130-255.4.4标定比赛用足球

如图5，比赛用球一般为桔色，因为在全景

中面积较小，所以标定原则跟白色场线一样需要

将目标像素标全.同样，在绿色场地标定的基础

上，场外的桔色颜色物体不会对识别结果产生干

扰，所以场外桔色物体只要不在绿色场地范围

内，也可以标记进来.但是要注意绿色场地内或

者紧挨着绿色场地边缘是否有别的干扰色，这些

颜色会对标定产生一定的干扰，因此要除去.

比赛用球的阈值分布：H：333-27，S：25-255，I：59-143,

4.5预览所有标定结果

颜色阈值标定结果如图6所示，界面上看到

所标定的绿色场地、白色标识线、橙色足球、黑色

障碍物分别对应亮绿、淡兰色、桔色、紫色像素.

5结论

本文研究了场地标定视觉系统，根据标定结果运行程序，由上位机发出指令，机器人能够比较标准的跑

位，在比赛中也能较好的识别敌方机器人并与其抢球、带球以及射门.通过实验验证，这些算法达到了预期

的场地标定目的.

参考文献：[1]余存.RoboCup中型组足球机器人视觉系统的研究与设计[D].济南：山东大学硕士学位文.2007.[2]杨文兵，许法强.基于颜色空间转换的彩色图像平滑处理[J].科技信息.2009，15（9）；12-15.[3]张学习，杨宜民.彩色图像工程中常用颜色空间及其转换[J].计算机工程与设计.2008.3（7）：21-23.[4]孙慧贤，张玉华.基于HSI颜色空间的彩色边缘检测方法研究[J].光学技术，2009，4（5）34-37.[5]邓星桥.足球机器人视觉系统的研究[D].成都：西华大学硕士学位论文，2007，45-52.[6]韩思奇，王蕾.图像分割的阈值法综述[J].系统工程与电子技术，2002，5（10）：23-25.[7]袁奋杰，周晓，丁军，等.基于FPGA的RGB和HSV色空间转换算法实现[J].电子器件，2010（8）：4-33.[8]周敬.图像分割中阈值法的研究[J].机电技术，2010（1）：34-38.图5

橙色足球的标定

图6

预览所有标定结果

AStudyofMedium-sizedSoccerRobotFieldCalibrationSystem

WANGHui,MAOLi-min,JIANGWei-yong,WANYing,YuLei(SchoolofElectricalandAutomationEngineering,ChangshuInstituteofTechnology,Changshu215500,China)

Abstract:Thispaperstudiesthemedium-sizedsoccerrobotfieldcalibrationsystem,whichisofgreatimpor⁃tancetotherobot’snormaloperationinthefieldsite.Basedonthecolorthresholdsegmentationmethod,the

fieldinformationofthecolorthresholdinHSIimagesisdeterminedbymeansofimagescollectedbythreshold

合集下载

中型组机器人运动控制系统的FPGA设计

中型组机器人运动控制系统的FPGA设计

龙源期刊网

中型组机器人运动控制系统的FPGA设计

作者：王全州,裴 东,陶中幸,杨 硕,崔 涛,刘平和

来源：《现代电子技术》2010年第14期

摘 要:以RoboCup中型组足球机器人为实验平台,提出一种基于FPGA的全方位移动足球机器人运动控制系统的实现方法。首先分析和研究三轮全方位移动机器人的运动学特性,建立其运动控制模型,然后以FPGA为主要处理器,设计了PID速度闭环控制算法,实现了对机器人的精确控制。实验发现,该设计方法具有很好的实时性,能够对全方位移动机器人进行快速、准确的控制。

关键词:RoboCup; 全方位移动机器人;FPGA; PID

中图分类号:TN911; TP242 文献标识码:A

文章编号:1004-373X(2010)14-0127-04

Medium-sized Group of Robot Motion Control System Based on FPGA

WANG Quan-zhou, PEI Dong, TAO Zhong-xing, YANG Shuo, CUI Tao, LIU Ping-he

(College of Physics and Electronic Engineering,Northwest Normal University,Lanzhou

730070,China)

Abstract: Making the medium-sized group of RoboCup soccer robot as experimental platform, an

implementation of the omni-directional mobile robot motion control system based on FPGA is

机器人足球比赛中的球员定位算法研究

机器人足球比赛中的球员定位算法研究

机器人足球比赛中的球员定位算法研究

随着人工智能和机器人技术的不断发展，机器人足球比赛已经成为一项备受关注的领域。在机器人足球比赛中，如何实现球员的准确定位是一个关键问题。球员定位算法的研究对于机器人足球比赛的发展和提高比赛水平具有重要意义。本文将介绍机器人足球比赛中的球员定位算法，包括其原理、方法和近期的研究成果。

机器人足球比赛中的球员定位算法旨在通过机器人的感知和决策能力，实时识别球场上的球员位置，并根据比赛需要做出相应的动作。球员定位算法需要解决以下几个关键问题：检测和跟踪球场上的球员、实时判断球员的动作和位置、预测球员的移动轨迹和预测比赛的发展趋势。为了解决这些问题，研究者们提出了一系列的算法和方法。

在球员检测和跟踪方面，研究者们通常使用计算机视觉技术，通过对球场上图像的处理和分析，实现对球员的自动检测和跟踪。常用的算法包括基于颜色分割的方法、基于形状检测的方法和基于运动估计的方法。基于颜色分割的方法通过提取球员的颜色特征，实现对球员的检测和跟踪。基于形状检测的方法则通过对球员的形状特征进行分析和匹配，实现对球员的检测和跟踪。基于运动估计的方法则通过对球场上球员的运动进行估计和分析，实现对球员的检测和跟踪。这些方法各有优缺点，研究者们通常根据实际需求选择合适的方法。

在球员动作和位置判断方面，研究者们通常使用机器学习和模式识别技术，通过对球员的动作和位置进行分析和分类，实现对球员的动作和位置判断。常用的算法包括支持向量机(SVM)、神经网络和隐马尔可夫模型(HMM)等。这些算法通过对训练数据的学习和建模，实现对球员动作和位置的识别和分类。此外，研究者们还提出了一些新的方法，如基于深度学习的方法和基于强化学习的方法。这些方法在球员定位算法中表现出良好的性能和效果。

在球员移动轨迹预测和比赛趋势预测方面，研究者们通常使用运动规划和路径规划技术，通过对球员的移动轨迹和比赛趋势进行建模和预测，实现对球员移动和比赛趋势的预测。常用的算法包括最小二乘法、贝叶斯滤波和粒子滤波等。这些算法通过对球员的运动进行建模和分析，实现对球员移动和比赛趋势的预测和规划。此外，研究者们还提出了一些新的方法，如基于强化学习的方法和基于深度学习的方法，这些方法在球员定位算法中也取得了一定的成果。

足球机器人系统中一种快速模式识别算法的研究与实现

足球机器人系统中一种快速模式识别算法的研究与实现

第29卷　第3期湖　南　大　学　学　报　(自然科学版)Vo1.29,No.32002年6月JournalofHunanUniversity(NaturalSciencesEdition)Jun.2002

文章编号:100022472(2002)0320025206

足球机器人系统中一种快速模式识别算法

的研究与实现Ξ

张　杏,彭晓燕,谭鹤良

(湖南大学机械与汽车工程学院,湖南长沙,410082)

摘　要:机器人足球赛是一项非常复杂的高技术对抗活动,快速准确的

识别出机器人和小球是决策和控制的依据Λ提出了一种高效准确的模式识

别算法,该算法基于球场中各个机器人外罩顶部的色标颜色,首先进行网格

扫描搜索切入点,再采用基于彩色图像的轮廓提取与跟踪,得出各个色块的

轮廓,然后由预先设定的阈值来过滤无效色块,最后根据标定的机器人色

彩,进行有效色块的最佳匹配,从而确定出球场上机器人的位置和方向以及

小球的位置等信息Λ实验表明,该方法能满足实时性要求,并能自适应多种

亮度环境Λ

关键词:模式识别;网格扫描;轮廓跟踪;最佳匹配

中图分类号:TP24 文献标识码:　A

ResearchandImplementationofAFastAlgorithmfor

PatternRecognitioninRobotSoccerSystem

ZHANGXing,PENGXiao2yan,TANHe2liang(CollegeofMechanicalandAutomotiveEngineering,HunanUniv,Changsha　410082,China) Abstract:Visionsubsystemisanimportantcomponentinrobotsoccersystemthat

isrequiredtobefast,accurateandrobustagainstnoise.Anefficientandaccuratealgo2

rithmofpatternrecognitionispresented.Thestepsofthisapproachcanbesummarized

机器人的运动学参数标定与标定精度

机器人的运动学参数标定与标定精度

机器人的运动学参数标定与标定精度

摘要：

机器人的运动学参数标定是机器人领域中一个重要的研究方向，它可以用于提高机器人的运动精度和控制性能。本文将介绍机器人的运动学参数标定的意义及其原理，并详细阐述了目标参数的选择、标定方法的选择和标定精度的评估方法。最后，我们将讨论目前存在的问题和未来的发展方向。

一、引言

机器人是一种可编程的自动化设备，它可以执行一系列复杂的任务。在实际应用中，机器人的运动精度和控制性能对其任务执行的准确性和稳定性有着重要的影响。因此，机器人的运动学参数标定就显得尤为重要。

二、机器人的运动学参数标定的意义

机器人的运动学参数标定是指通过实验或计算方法，获得机器人的运动学参数，以提高机器人的运动精度和控制性能。机器人的运动学参数主要包括关节角度、链长、链向量和转动矩阵等。对这些参数进行准确标定，可以提高机器人的姿态控制、轨迹跟踪和避障等性能，从而提高机器人的应用能力。

三、机器人的运动学参数标定的原理

机器人的运动学参数标定的原理是基于机器人的正逆运动学方程和运动观测原理。正运动学方程是指通过机器人的关节角度和链参数等，计算出机器人的末端执行器在世界坐标系中的位置和姿态。逆运动学方程是指根据机器人的末端执行器在世界坐标系中的位置和姿态，计算出机器人的关节角度和链参数等。运动观测原理是通过传感器对机器人的关节角度和链参数等进行测量，实现机器人的运动参数标定。

四、目标参数的选择

目标参数的选择是机器人运动学参数标定中的关键问题。一般来说，目标参数应具有以下几个方面的特征：1)受机器人运动学参数影响显著；2)易于测量和标定；3)具有良好的鲁棒性。常用的目标参数包括末端执行器位置、链长和关节角度等。

五、标定方法的选择

标定方法的选择是机器人运动学参数标定中的另一个关键问题。目前，常用的标定方法包括静态标定方法和动态标定方法。静态标定方法是指在机器人不运动的情况下，通过测量机器人关节角度来标定运动学参数。动态标定方法是指在机器人运动的情况下，通过测量机器人的运动轨迹和关节速度来标定运动学参数。静态标定方法适用于精度要求较高的场合，而动态标定方法适用于动态响应要求较高的场合。