人人网-抱歉，没有找到该网页
你输入的网址可能不正确，或者该网页不存在。&或者
北京千橡网景科技发展有限公司：
文网文[号··京公网安备号·甲测资字
文化部监督电子邮箱：wlwh@··
文明办网文明上网举报电话： 举报邮箱：&&&&&&&&&&&&基于颜色空间映射的自适应足球机器人视觉系统_计量标准器具_中国百科网
您现在的位置： >
> 文章内容:
基于颜色空间映射的自适应足球机器人视觉系统
    摘要:为了解决足球机器人比赛中视觉信息检测问题，给出基于嵌入式多处理器体系结构的视觉系统框架，并研究了一种自适应阈值目标分割方法。该方法将视觉系统采集的图像从ycbcr 颜色空间转换为一维颜色映射图像，并提出基于竞争学习的空间映射方法。同时使用小波变换方法来平滑颜色映射空间直方图和降低阈值搜索维数。然后使用基于映射图像直方图动态搜索阈值的方法来分割图像。最后，通过实验表明研究的视觉系统的有效性，能够实时准确地完成视觉处理任务。关键词:机器视觉; 图像分割; 动态阈值; 小波分析; 颜色空间; 竞争学习机器人足球是一个集机器人技术、机械工程、图像处理、模式识别、传感器技术以及人工智能等多学科于一体的研究平台[1-2]。基于该研究平台，各种人工智能和机器人学等领域的研究成果可以得到检验和比较，进而促进各学科的发展。足球机器人系统通过传感器来采集外部环境信息，对其进行实时的处理，然后根据所得到的结果进行决策，最后执行相应的动作。由于视觉传感器可以获得丰富的环境信息，目前已成为移动机器人最重要的感知系统[3-4]。而在机器人足球比赛当中无论是场地、球门、角柱等固定目标，还是球，球员等可移动目标都具有可区分的颜色特征，因此视觉系统成为足球机器人最重要的感知系统[5-7]。足球机器人视觉系统的主要任务是根据实时采集的图像来检测具有颜色特征的目标并进一步感知球场中各类目标的空间信息，最后将结果提供给决策系统。目前，其基本做法是根据目标的颜色特征预先在颜色空间中建立阈值多面体或颜色查找表，在用其来分割具有颜色特征的目标。这种方法计算简单，有较高的实时性，但其不足之处是受环境条件影响比较大。当光照条件变化时，目标表面颜色分别也会随之变化。因此在一些情况下，基于固定颜色阈值的目标检测方法很难满足机器人足球比赛中颜色目标的识别要求。为了解决以上问题，一些学者采用基于目标形状的检测方法来克服比赛场地受光照的影响[8-9]。然而，机器人足球比赛需要综合考虑视觉系统的快速性和鲁棒性，因此基于形状的目标分割方法很难满足比赛实时性的要求。此外，由于比赛环境是动态变化的，往往会出现目标被部分遮挡的情况，因此形状检测有时不能准确检测出目标。为了满足机器人足球比赛对视觉系统的要求，提高视觉系统的实时性、准确性和鲁棒性，本文研究一种新的基于动态颜色阈值的目标检测方法。该算法首先将机器人视觉系统所采集图像的ycbcr 三维颜色空间变换到一维空间( 称其为颜色映射空间) ，然后在一维颜色映射空间采用动态阈值方法来分割目标。由于算法是基于一维阈值的分割方法，因此具有较高的实时性。同时，分割阈值可以根据待处理的图像自适应地确定，而不需要现场进行颜色的采集，因此可以较好地克服光照条件对目标颜色的影响。本文主要研究在移动机器人视觉导航和中型组足球机器人中常用的前向视觉系统，研究的目标检测方法也可以直接用于全景视觉系统，因此能够在机器人足球比赛中得到广泛的应用。1 自主足球机器人视觉系统结构足球机器人比赛是一项高速度的对抗比赛，对整个系统的实时性要求较高，因此我们设计一种分布式的结构体系，采用pc104 嵌入式系统作为机器人的主处理器，采用专门的dsp 图像处理系统作为机器人的视觉系统。其中图像采集和底层处理由dsp 图像处理系统完成，然后dsp 系统通过串口将处理结果发送给嵌入式计算机系统，嵌入式系统做进一步处理得到目标的空间位置信息以及机器人自定位信息，并通过socket 方式和总控决策系统交换信息。由于图像的数字化转换、存储、分析和处理等功能都由dsp 系统完成，只向主机传送少量处理结果数据，这就大大减轻了主机的负担，可以提高整个系统的实时处理速度。本文所使用的自行开发研制的自主足球机器人采用嵌入式系统作为机器人的核心处理器，选择研华pcm-3370 作为硬件平台，它符合pc104 嵌入式总线结构，同时具有开放型、模块化、高可靠性等优点。在软件方面，采用微软windows ce. net。由c6711dsp 主处理板、idk 背板、unican hv-2616 彩色单目ccd 摄像机构成视觉硬件系统，dsp 主板通过串口与嵌入式系统主板相连接进行数据传递。2 自适应阈值图像分割基于颜色的图像分割涉及颜色空间模型的选择问题，常见的颜色空间模型有: rgb，his，yuv( ycbcr) ，cmyk 等[10-11]。由于ycbcr 颜色模型符合ccir601 推荐彩色空间标准，易于实现压缩，方便传输和处理，目前已被广泛应用到计算机视频和图像处理之中。ycbcr 中y 描述亮度信息，cbcr 表示色差，这使得象素特征对y 不是很敏感，而cbcr空间几乎包括了所有颜色信息，因此ycbcr 颜色模型非常适合于基于颜色的图像分割[10， 12]。足球机器人的比赛中包含的几种典型目标颜色，其中球为橘红色，角柱和球门为黄色或蓝色，场地为绿色，这些颜色是机器人视觉系统进行目标检测的特征。相对于rgb 等颜色模型来说，ycbcr 颜色模型的各分量的颜色空间中是连续的。通过实验分析这几种颜色在ycbcr 颜色空间种具有较好的聚类性质，也就是说对于ycbcr 格式的图像通过选择合适的阈值可以将不同颜色的目标较好地分割出来。2. 1 颜色空间变换由于受到光线变化等因素的影响，固定的颜色阈值很难完成分割任务，为了能够更好地分割目标，我们使用动态阈值分割方法。由于足球机器人比赛对图像处理算法的实时性要求较高，因此这里不使用ycbcr 的多维直方图来选择阈值多面体，而是将原始图像中象素的ycbcr 转换成一维颜色映射空间中新的亮度值，然后根据颜色映射空间亮度值的一维直方图来自适应地选择阈值。这样做的好处是一方面可以提高算法的快速性，以满足比赛的要求;另一方面映射的一维亮度直方图能呈现较为明显的波峰、波谷特征，易于使用阈值的方法来分割目标。设a = { ( y，cb，cr) | y，cb，cr&[0， 255]} 为原始输入图像象素的颜色矢量集合，v j = ( yj，cbj，crj) t，j =1，2，&，m 表示集合中某一象素的颜色矢量，则颜色空间映射可以表示为: pj = f( vj) ，其中pj为颜色映射空间中对应的亮度值，f(?) 为空间映射函数。设空间映射函数如下所示:制在一定取值范围内。由此可见原始图像中的颜色矢量vj与目标聚类中心ci越接近，其加权矢量距离越小，p j的直方图可以用来描述原始图像颜色矢量与目标颜色聚类中心的距离统计特性。因此直方图中最接近零值处( 最左侧) 的波峰部分为颜色目标，第一个波峰右侧的波谷就是颜色映射空间的阈值。如果在图像处理过程中能够确定该阈值，就可以实现颜色目标的自适应分割。使用颜色映射空间自适应阈值分割的优势在于分割颜色目标时，可以确定哪个波峰是需要分割的颜色目标。而直接确定原始图像的阈值方法，没有办法确定哪个波峰是需要分割的颜色目标。至此，可以得到每一个目标颜色的距离中心矢量ci，然后根据式( 1) 可以进一步获得视觉系统采集的每一帧图像一维颜色映射亮度图像。图1 和图2 分别表示原始彩色图像和它的一维颜色映射图像，图2 中橘红色的球为要分割的颜色目标，可见映射图像能够较好地突出了颜色目标。2. 2 基于小波变换的直方图预处理在对一维颜色映射图像进行动态阈值分割之前，需要对它的直方图作一些相应的处理，其目的是更容易找到动态阈值，同时加快阈值搜索的速度。该操作包括两个方面: 一是使直方图曲线变得更为平滑，这样做可以避免曲线中出现过多的局部波峰和波谷，这显然更利于找到全局的最优阈值; 另一方面减少直方图的亮度维数，这相当于减小阈值的搜索空间，可以提高计算动态阈值的速度和视觉处理的实时性。如果将图像的亮度看作自变量，则图像的直方图可以看作是亮度的函数，它可以用一维曲线来表示。因此我们使用一维小波变换技术来处理图像的直方图数据，它可以同时满足平滑曲线和降低搜索维数的要求。此外，小波变换的计算过程可以看作是加权求和的过程，当小波基函数紧支集时，它有很快的运算速度。因此不会给视觉处理带来额外的计算负担。信号函数被小波变换后分别得到低频系数和高频系数，低频系数为原信号的近似部分，高频系统为细节部分。低频系数和高频系数的数量各为原信号的一半，两者的数量和与原始维数相同。因此对直方图曲线进行小波变换，其低频部分为原直方图的平滑逼近。将它作为新的直方图可以去除过多的微小波动，并可以降低一半的维数。进一步对原直方图进行多级小波变换，它的各级低频系数可以表示不同平滑程度的近似。图3 显示了图2 的原始直方图和各级小波变换直方图，可见直方图被逐级平滑，同时图像亮度维数也成倍减少。小波变换级数低时，数据量大，处理数据较慢; 小波变换级数高时，数据量少，但高频细节损失过多，可能影响特征的检测。因此在两者之间进行折中考虑，我们选择对原始直方图数据进行2 级小波变换。2. 3 自适应阈值分割直方图中的谷底可以作为图像分割阈值[13]。通常直方图含有多个波峰和波谷，通过前面的分析可知一维颜色映射图像直方图最左边第一个波峰后的谷底就是所要找的阈值。下面讨论动态阈值的搜索方法。首先定义波谷检测算子如下[14]:其中l 为检测核维数，k 和& 为可调参数。所要检测的波谷为检测算子r(?) 梯度下降方向的过零点，如图4 所示。图中实线为图3( c) 中的二级小波变换直方图曲线，图中虚线表示检测算子r(?) 曲线，其中的圆点标识了检测到的谷底。但这个波谷值并不是最终的颜色分割阈值，因为该点对应的二级小波变换直方图的亮度值，需要将其还原到原始图像的亮度值。由于每次小波变换后亮度维数是原来的一半，所以将检测到的二级小波变换直方图的波谷值乘2 即可得到原始图像的阈值。图5 为使用动态阈值对图2 的一维颜色映射图像的目标分割结果，可见动态阈值可以较好地分割出目标。综上所述，机器人视觉系统的动态阈值方法描述如下:①首先搜集不同光照条件下的目标颜色采样，然后根据式( 2) 得到目标颜色的聚类中心。这个过程离线进行，在足球机器人比赛或其他应用场合中，直接利用目标颜色的聚类中心，而不需要再作现场的准备工作。②在机器人视觉系统工作时，将视觉系统采集的ycbcr 格式的图像数据转换为一维颜色映射图像。③对一维颜色映射图像的直方图曲线进行小波变换得到平滑的直方图。④通过研究的阈值检测方法，动态地确定目标颜色分割的阈值，并将它从小波变换直方图还原到原始映射图像直方图，从而得到最终的动态阈值。⑤根据该阈值在映射图像中搜索目标，并得到目标质心等相关信息。3 实验结果分析根据以上研究的自适应视觉处理方法进行实验分析，实验使用自行开发的嵌入式智能移动机器人，实验环境为室内机器人足球比赛场地，实验内容是让机器人跟踪移动的橘红色足球目标，实验在不同光照条件下进行。在实验中机器人视觉系统根据之前获取的橘红色球目标颜色聚类中心，将原始图像转换为一维颜色映射图像，然后动态搜索阈值，最后通过阈值分割球目标并得到目标的质心坐标。实验中如果在当前采集的图像中没有检测到目标，可以通过转到摄像机的云台或自身旋转来搜索目标。图6 显示了机器人对球目标的跟踪，说明机器人能够检测的目标并对其进行定位跟踪。为了测试算法的有效性，分别选择不同光照条件下含球目标的测试图像，其中训练集内图像200幅，此外选择训练集外图像100，以研究算法的适应性和鲁棒性。使用本文的自适应阈值分割方法分割球目标，并计算分割目标的质心位置。然后分别手工选择球的精确质心位置，从而得到两者质心位置的像素距离误差，实验结果如表1 所示。此外，基于以上视觉处理方法，对比赛中常见球门和角柱目标进行分割实验，由于这两种目标在环境中位置固定，且具有一定高度，因此识别难度比球目标较低。实验中同样选择200 组训练图像和100 组测试图像，分别得到对角柱的分割中心平均误差为4. 3 和6. 8个像素，对球门分割中心平均误差为3. 8 和6. 4 个像素。可见研究方法对比赛环境中其他颜色的目标均有较好的分割结果。由于机器人和颜色目标都具有较大的尺寸，而且在实际的足球机器人比赛中对目标的位置精度并不要求十分精确，因此视觉处理结果可以满足比赛对精度的要求。足球机器人的控制周期为40ms，嵌入式分布视觉系统可在控制周期内完成所有视觉处理，因此可以满足系统对实时性的要求。4 结论视觉系统是足球机器人最主要的感知系统，因此视觉系统的信息处理能力是决定自主机器人智能程度的关键。本文采用分布式多处理器体系结构，使整个系统更具开放性和实时性。在此基础上提出了基于动态阈值的自适应目标分割算法，该算法对由于光照条件改变引起的颜色变化不敏感，因此不需要在比赛时现场采集目标颜色。最后通过实验证明视觉系统具有较高的实时性、准确性、稳定性和可靠性，可以适应机器人足球比赛要求。参考文献:[1] zabawi n h b，omar k. robot soccer vision: an overview for newlearner[c]/ /proc. of the 2011 international conference onpattern analysis and intelligent robotics，0.[2] yong duan，qiang liu，xinhe xu. application of reinforcementlearning in robot soccer [j]. engineering applications ofartificial intelligence，) : 936-950.[3] 李雁斌，曹作良，刘常杰，等. 基于粒子滤波的全方位视觉传感器实现移动机器人导航[j]. 传感技术学报， 2009， 22( 5) : 745-750.[4] 李林辉，赵一兵，张明恒，等. 一种用于智能车环境探测的立体视觉传感器[j]. 传感技术学报， ) : .[5] jonker p，caarls j，bokhove w. fast and accurate robot vision forvision based motion[j]. lecture notes in computer science，: 149-158.[6] jamzad m，sadjad b s，mirrokni v s，et al. a fast vision systemfor middle size robots in robocup[j]. lecture notes in computerscience， : 71-80.[7] murilo f m，flavio tonidandel，reinaldo a c. a fast model-basedvision system for a robot soccer team[j]. lecture notes in computerscience， : 704-714.[8] coath g，musumeci p. adaptive arc fitting for ball detection inrobocup[c]/ /proc. of aprs workshop on digital image analysing，.[9] claudia gonner，martin rous，karl-friedrich kraiss. real-time adaptivecolour segmentation for the robocup middle size league[j]. lecture notes in artificial intelligence， 2004， 9.
Mail: Copyright by ；All rights reserved.机器人视觉系统快速颜色标定的研究_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
&&¥2.00
&&¥3.00
&&¥2.00
&&¥3.00
喜欢此文档的还喜欢
机器人视觉系统快速颜色标定的研究
颜​色​标​定
阅读已结束，如果下载本文需要使用
想免费下载本文？
把文档贴到Blog、BBS或个人站等：
普通尺寸(450*500pix)
较大尺寸(630*500pix)
你可能喜欢机器人足球视觉目标的快速识别_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
&&¥2.00
喜欢此文档的还喜欢
机器人足球视觉目标的快速识别
机​器​人​视​觉​识​别​相​关​文​档
阅读已结束，如果下载本文需要使用
想免费下载本文？
把文档贴到Blog、BBS或个人站等：
普通尺寸(450*500pix)
较大尺寸(630*500pix)
你可能喜欢 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
足球机器人视觉系统快速颜色标定的研究论文
下载积分：1000
内容提示：足球机器人视觉系统快速颜色标定的研究论文,足球机器人视
文档格式：PDF|
浏览次数：0|
上传日期： 02:29:08|
文档星级：
该用户还上传了这些文档
足球机器人视觉系统快速颜色标定的研究论文.PDF
道客巴巴认证
机构认证专区
加  展示
享受成长特权
官方公共微信}