基于全向视觉的机器人定位和行为学习的研究.doc

同济大学硕士学位论文基于全向视觉的机器人定位和行为学习的研究姓名：许成珅申请学位级别：硕士专业：控制科学与工程指导教师：蒋平;朱劲20050401（），：，学位论文版权使用授权书本人完全了解同济大学关于收集、保存、使用学位论文的规定，同意如各溪内容：按翼学校要求提交学位论文嬲印爨本和电子版本；学校有权保存学位论文的印祠本和电子敝，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关娥定是国家有关郝】或者机构送交论文的复印件和电子版；在不以赢利为西静静蓊掇下，学校可以适当复制论文豁部分或全部内容用于学术活动。学惶涂文作者签名：删细年伽弓基经指导数师同意，本学位论文属于保密，在年解密后适硐本授权书。指导教师签名；学位论文乍者签名：年月霞同济大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，进彳研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文的研究成果小包含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已存文中以明确方式标明。本学位论文原创性声明的杰律责任山本人承担。签名：碘日耕饵中第章绪论引言第章绪论随着社会的进步和计算机技术、人工智能技术的飞速发展，机器人技术订在渗透到社会的每一个角落，近年来，在机器人和自动化领域旱，移动机器人的研究吸引了众多研究者的注意力，成为研究的热点。移动机器人作为一个刈外界环境高度开放的智能系统，能够按照预先给定的任务指令，根据已知的地图信息做出全局路径规划，并在行进中不断感知周围的局部环境信息，自主地做出各种决策，自动避开障碍物，引导自身安全行驶到指定的目标，执行要求的动作和操作。移动机器人在大到国防科技，航空、航天，火星探测等，小到传递信件、家庭服务、搬运物体的各个范围都有着广泛的应用。为了更快地促进移动机器人各方面技术地发展，世界上出现了移动机器人足球赛，例如：机器人世界杯足球赛（：），微型机器人世界杯足球赛（：）等，机器人足球赛是以体育竞赛为载体的高科技对抗，是展示高科技水平的生动窗口，是促进分布式人工智能与智能机器人技术的研究和发展的有效途径。机器人足球赛通过提供一个标准任务，使得研究人员利用各种技术，获得更好的解决方案，从而有效的促进相关领域的发展。移动机器人，做为一个智能机器人，主要由三大部分组成：感知部分、智能部分和运动部分。感知部分，包括视觉、听觉、触觉、接近觉的装置等；运动部分，包括行走运动控制机构等：智能部分，包括学习能力、思维能力和实时决策能力。本文将以机器人足球赛这个标准任务为背景，主要讨论移动机器人的感知郝分和智能部分的构建，并且成功应用于中型组足球机器人比赛中，包括视觉同标跟踪，全向视觉和行为学习等几个部分的讨论。国内外研究现状以及趋势第章绪论撬器入足球赛的设想最拐是在年由掬拿大不到颠哥伦！大学静教授提出的【，年，幽际联合会成立，并在闩本举行了首场机器人足球赛的液演赛，而鼹规定每年举办一届。国内的机器入足球赛起步稿瞧，予年只奁上海举亍了筵一矮全毯枧嚣又是球褰，至年月广州总共举办了三届全嗣机器人足球赛，比赛规模也迅速扩大，比如中型组机器人足球赛，第一届的时候只有个学校个参赛队参加，筹二届的时候增加到了个学校个酞，至第三疑，总共已有个学校个队参加比赛，比赛的激黧程度和精彩程度大大提黼。机器人足球赛包括了机器人视觉簿传感器技术、无线通讯技术、仿真技术、人工智能、决策规划等多项关键的技术，涉及到材料、机械、电子、软件、通信等裹秘技渡零疆域，麓多耱综合毅零豹较量，可以浚是震示煎赛辊器太季支求发展水平的比赛。视觉鼹踪系统的研究而作为移动机器人的“眼睛”，机器人视觉系统能获取约的外部世界信息，能对环境进行非接触式测量需要人类视觉的场合几乎都需要机器人视觉。嚣戴一令实时娃强毫效凝又鲁捧豹彩热援爨系绫羟壤器太鞠钤酃邀爨懿交量孛是不可或靛的重要部分。由于一些环境详细资料的数据量太大，不能够满足机器人实时处理的要求，机器人只能潜熏感知与其她理任务相关的环境特征，或者只选择其中比较重要的信息（如颜锻）进行理解与分拆。掰戳，享觅觉鞭踩系统豹研究主要集中在对重婺僚患的理解、分孝厅与羰拣上。参考文献【提出了种熬于颜色模型的识别跟踪系统，同时结合实际比赛中目标的几何特点给予识别。参考文献】采用了一种固定阈值的识别方法，并且健溪扩震滤波嚣对谖裂嚣稼遴嚣芗平潜巍颡溅。参考文簸分缓了焚参加机器人足球世界杯赛（）的机器人的视觉系统，该系统使用颜色空间模型。参考文献在他们的机器人上实现了利用有限的硬件和图像处理资源快速识别基标盼任务，用予叁主式砉毪器人足球赛中。瓯主这些磷究都是簪内外一些视觉跟踪系统静磷究成集，这些研究都使灞嘲定的闽值模型，在实际比赛过程中，受到的光照条件变化的影响比较大，系统镑棒性不够。对于变光照条件下目标的识别，国内外的研究不是很多。参考文献第章绪论提融了一种基于神经网络的手掌图像分害方法，甭二基予手势瓣入棍交互系统。参考文麸垃，妇掇出了利用襁经网终躲叁学习性和囊适应性柬克服光线变化所带来的识别困难。虽然以上方法利用神经网络解决了变光照的刚题，但是导致了计算量的增多，使得机器人的实时性不够。团此，寻找个实时性与磐棒性结合的视觉跟踪系统显得非常必癸。全向视觉技术的研究全翔摄像枫具蠢的拳平毒曼场楚翻一定角度粒垂囊视场角，是其它常规镜头无法相比的。全向图像不仅信息崖大，而且还能解决在立体匹配中常出现的对应点超出图像边界而消失的问题。全向视觉技术研究发展很快，从年丌始己连续年组织全商成像视觉国际研讨会（），交流全趣戏缘摄像枧教残缘理论粒具体应搦硬究戏累。会上交流的研究成果越来越多，可以预见，全向成像视觉将成为计算机视觉领域中的一个熏要的研究内容。由于全向视觉的大视场，人们很侠将这项技术用在了机器人足球世界杯静赛场上，妊】，裰搽成豫原理，获敬全两蚕像耱方法大致分为如三耱：旋转成像或多摄像规成像，鱼艮镜头贼像秘折射反射全向成像。）旋转成像或多摄像机成像旋转成像是用普通摄像机绕过其光心的垂随轴旋转，在旋转中获取不同的多辐图像，精这擅图像拼接或者重采样，获缪全景图像”。处于摄像规毙学中心的物理位嚣不能确定，旋转轴的位置可能不经过摄像机光心，导致成像不满足单一视点约束。同时这种成像设备需要精确的藏转运动部件，艇旋转摄像祝和合不能用子动态场爨全两藏稼。翔懑为了获取动态豹全景图像，人们用多个摄像枫分别朝向各个方向同胞拍摄多幅图像，将多幅同步采集构图像进行融合，生成全向阁像”，成像方法如图所示。国予各个掇像梳静物理特性静限每，实舔安装过稷中不嗣摄像攥懿光学中心不霹能重合，这秘成像曲：要参：二：弊警。鹭。多摄像撬成豫第章绪论方式还具有成本高，系统复杂等缺点。）鱼眼镜头成像鱼眼镜头具有很短的焦距（），这使摄像机能够观察到接近半球而内的物体，视场接近。可以获得大视场图像“。“，成像方法如图所示。但是这种成像存在较大的图像畸变，且其畸变模型不满足透视投影条件，无法从所获取的图像中映射出无畸变的投影图像弘；同时视场角越大，其光学系统越复杂，造价就越贵。和利用鱼眼镜头变形模型进行图像校正，然后使用常规的针孔模型进行深度计算。但其成像区域仍然不大，用于全景成像时，其高分辨率往往是不重要的区域，比如天空或摄像机支架本身。）折射反射镜全向成像图鱼服镜头成像折射反射全向成像摄像机可以较好的解决前面成像系统存在的问题，近年来得到广泛的研究【，成像方法见图，由反射面、，。一”。和常规摄像机组成的全向成像系统利用反射镜反射光线！？形成特殊的光路，能扩大视场角。它具有视场大（“水平方向和。垂直方向），速度快（单个摄像头图像数据量小），结构简单，无运动部件，安装简单的特点，同图折射反射镜成像时图像分辨率也可以达到较满意的水平。使用某些特殊设计的反射镜面还可以保持单一视点约束，可以从获得的图像中映射出无畸变的透视投影图像。控制结构和行为学习的研究传统的移动机器人控制体系结构源自基于认知的人工智能（）模型”，在模型中，智能任务由运行于符号模型之上的推理过程来实现，它强调带有环境模型或者地图的中央规划器是机器人智能不可缺少的组成部分，而且该模型必须是准确的，一致的，因此，传感器信息的校验具有与模型本身同等的重要性。由于模型过于理想化，对感知器提出了一些不切实际的要求，而且由二认知过程和符号化世界模型的建立过程中计算瓶颈的存在，使得从传感器到驱动机构的控制环路中存在着延时，因而缺乏实际运行所要求的实时性和灵活性。针对传统方法的不足，研究人员模拟动物反映式行为的特点，引入了一类第蕈绻论一基予行为静移动枫器人控制体系结撂在年提出了基于罩亍为的枫器人控制结构【，如图，基于行为的方法式种囱底向上的构建方法，它用行为封装了机器人控制中应具备的感知、探索、避障、圭【划和执行任务的能力。因此它能够产生一些有意义的动作，这些动作反过束可阻缰合成不猫水平静能力。麸翰理结构上来滋，帮系统中存杰羞多个劳行控制回路，构成各种基本行为，传感器数据根据需求以一种并行的方式给出，各种行为通过协调配合后作用于驱动装髓，产生一些有鳝的静动作。在这瓣终搀巾，爨二存在多个控利回蹋，也导致了一些缺点。它需要花更多的代价设计协调机制来解决各个回路对同一驱动装甏争夺控制的冲突，更重要的楚蚤穆行为必须稿要协调以获褥有意义靛结柴，但获褥一秘富有成效的协调方法胬基于行为豹控制结构往往不易，原因是随着任务负责程度的扩大，锫种行为之问的交互作用增加，增大了预测个系统的整体行为的难度。谶此，不翁规戈有霞的静动作是这类系统的主要缺点。由予以上薅个决镶结构器有各的优缺点，渐澌地混和结构主导了人工智能领域，简单地说，混和结构就是传统的认知模型口，和的结构的优势互补。底层的控制采用反应式控制，而高层的决策采用传统认知禳塑，中闻多一个协调层，来处遴两萃中决策方式的冲突。分艨学习戆方法就是由混和结毒靠发展蕊来的一程，学习方法。提出了一个决簸技术，穆之为，它在多个事先定义好的行为之间进行选择。建立了层学习模式，首先学习低绂技术，然后按照屡的顺序，越来越高的屡技术和行为被加入。采鞠阻前的技术优势介绍并实现了分层学习，纯定义系到建立一个对复杂系绞分墨次学习方案熊准则。聪对具本零亍为学：的方法商强化学习，基于人工神经网络（）的机器学习盼，进化学习（和），以及他们的一蝗组合，等。第】章绪论本课题的目的和意义梳器久襁觉系统缝获玻约豹鳋帮整器信息“，鑫玩器入税觉系统是机器人系统的莺要组成部分。但是由于一些环境详细资料的数据量太大，不能够满足掇器入实时鲶理豹要求，辊嚣天是麓羲重感麓与其鲶登任务楣关麴环凌特征，或者只选择其中比较煎要的信息（如颜色）进行理解与分析，所以目标弘澍和鼹踩是穰器久援凳中一个鬻重要的方嚣。仝向视觉具有的水平大视场，可以广泛地应用于机器人导航“”“，三维场量囊建姐，餐爱黢按系统，焉虽被运矮雾凝器久足球毽界撂瓣赛场，”。因此，全向视觉中的目标分析与定位成为机器人足球赛雕负的关键。搂仿是动物学习瓣弯效极豢，巍是楗器运动援能获取粒一葶孛毫效手段书】。机器人通过与环境的交互，把所获取的视觉信息转换成内部的基本技术，实觋其由“无知”到“有鲤”豹磐熬学习逮程，增援知识黪积累，鬟终竞藏复杂的任务。本课题的曩麴就是设诗稳定可憝豹基予全彝裁擞鲍视觉识别鄹跟踩系统，完成机器人视觉饲服，机器人足球比赛和视觉学习的需要。在视觉饲服和足球比赛任务中，刊思全囱视觉送行基标定位；曩鞭踪，并且在全向视觉艇条件下，完成枫器人底层行为的视觉模仿。本课题采叁于国家自然科学基金资助项秘：基于视觉模仿和语畜指令的移动机器人行为学习。本文工作本文以中型组比赛机器人为研究对象，针对足球比赛这个标猴任务，蒋先开发了一套全向摄像极下的彩色图像目标识别与跟踪系统。该系统利用颜色信息采识别图像中的目标，可以实对获得图像中目标的位置。其次，在以：鼬颜色识别系统旗础上，褥到了一秘简单有效的针对全向摄像枧的镜西投影变换关系。最后，本文提出了种简单的，应用更广泛的行为学习的方法，荠设汁了相应的行为控制器实现了足球机器人的示教行为学习。本文剩余部分安排如下：第二章整体介绍了足球赛机器人的软硬件结构。一釜！茎篷丝一一第三章详细介绍了移动机器人多目标快速颜色跟踪系统的构成和算法的实蹴。实验的结果证明了算法的实时往和可靠性。第四章针对圈酶的全向摄像机镜面投影变换方法的缺点，提出了一种简单有效的针对全向摄像辊盼镜碾投彰交换关系。接着灞述翻冀多謇标联色跟踪系统和全向视觉进行目标定位的方法。第五章论述了基于全向程觉的餐主移动橇嚣入基本行为学习箨法，并豆零刚足球赛机器人实现了底层行为的学习。第章足球赛机器人系统结构硬件系统第章足球赛机器人系统结构此次采用的足球赛移动机器人平台是同济大学在基础上自主研制和改造的全自主移动机器人。该机器人系统集成了包括全向视觉，声纳环，晕程仪在内的多传感器系统双轮独立驱动的移动小车以及高速无线局域网并通过车载控制系统进行实时决策。图是同济大学白行研制的全自主移动机器人。它的硬件系统（图）丰要由以下几部分构成：小车系统，感知系统，通讯系统和控制系统。小车系统图全自主移动机器人本文所采用的小车系统改造自自主式移动机器人（见图），是美国公司于年夏开发生产的用以升级的最新自主式移动机器人，同系列的还有一和。为了取得更好的室内运动效果，移动机器人采用两轮微分驱动（），其前后共有三个轮子，后图移动机器人轮以度自由旋转，通过控制前面两个轮子的转速繁窜足球赛橇嚣人系统结鞠可以实观飒器人的翦进鞠转弯。与系列机器人稳魄，使弼橡黢气稿柬改善梳嚣入的运动性靛，采稻铰链酥檄使得绦修或者舔究辍瓣人海韶缀件时更翅方键。由于机器人良好的底层驱动髋能以激室内运动效聚，闻济大学改装足球比赛机器人时，并末淑动底胺的戚盘以及运动控制缡构（如图），丽艇蠢搂利稀。翰，、车系统的萋碗上，大福滚动了感魏系统，适嘏系统翮控制系统。控制爨扳后轮驱动轮感知系统翻。、事系统机器人的感知系统包括了声纳（图）和全向摄像机（图）两部分。声纳可以感知机器人与周围物体的距离，全向缀像机由及射镜和摄像头两部分螽成，可以躐测弱机器入罔圈承乎范瀚内的物体（圈。），邋过囊主器发熬实时濯缘处理与鑫拯跟踪系绫，可以识别不网颜恕的物体（图）。图全翔摄像机黜圈像处理与目标跟踪系统第章足球赛机器人系统结构遥镶系统桃瓣人采用基于无线局域网（遵穹标准）弱暹谡技术。每令枧器人、无线和场外计算机作为网络的节点共同构成一个无线局域网络。系统高达的通遇速率为枧器人之闻的信怠传递提供了个快接通道。控制系统系统由卜位机和下位机两部分组成，如图，。下位机继承了一自主式移动瓤嚣天豹邂动控裁系统，上覆辍袋蠲戴笨翡轻薄笔记李电藏，该电脑采用赛扬，通过接口同摄像机进行通讯，列瑙塑豢通谖无线网卡与场努掘进行透语，遥过转霉团数据线与下位机进行通讯。该笔记本电脑总羹只有，很好的满足了移动捷器入对重量熬要求。幽机器人控制系统鞴辩飘第章定球赛梳器天系统结构较转系统整个系统包括个主进程和个辅助进程。辅助进程主要魁负责软件界面的漫示，鼠标消惠的晌残和颜色识掰辩懿多遥逡颜色学习。主透程主要分成大部分：视觉处璁、月标定位和控制器。这三部分构成一个有机的整体，组成了一个视激伺疆控制系统，控翎梳器太静运动（蠹囤。主遴程和转秘遗程之间通过共享变麓来进行通信，并且通过互锁来防止资源共享冲突。接下来的死章将蓑雏分绍凝鱼嚣椽鼹踩与学习、鬟振定位露足球赛极器久控裁器熬绸练。软件结构型机器人软什系统第章移动梳器久多舀标袂速颜色跟踪系统第章移动机器入多目标快速颜色跟踪系统本章提出了一萃孛基于颜焦空耀的彩色匿缘分割军睡目标跟踪酶系统及其算法实现。浚方法萏先嗣离线学习的方法获褥一些其有统计学特征的数据，然后利确这些数掂获得一个查询表，利简这个瓷询表，将彩色黼像二值化，迸行目标区域分割和跟踪。这种方法具有分割速度快，鲁棒性高，同时跟踪目标多的优点。在本章的最后给出了在复杂背景条件下的目栎分割和跟踪实验，实验结果碰实了本方法的有效性。概述对于个完整的彩色目标跟踪系统来说，需要考虑以下几个闯题：颜色空间的选择。在数字系统中的颜色有多种不同的表示方法，这些方法称为颜色模型或颜色空间。人们零用的颜色空阈有，秘等。颜色空闻熬选择直接决定了固像处璎的效率以及箨法。蕨色比较空阀豹逡择。由于颜氇空闻大多数是由三维构成（如，），在逶行颜色识剐眈较的时候，是采用三维全空间比较还跫采用单单比较局部一维空问还是二维空间，这需要在颜色空间选择的基础上进行分析。目标识别和跟踪的方法。曩标议别稠跟踪的方法直接决定了图像处理的鲁棒牲，好的方法不单霹以减少噪声，焉且碍以增程序的效率。图像处建程序对光照条件改变静适应。由于机器入足球赛光照均匀，交化眈较小，所以本文不再考虑光照条件改变的适应的问题。本章以下几个章节将对颜绝空间的选择、颜色比较空陋的选择和目标识别跟踪方法进行讨论。颜色空间及其相甄转换在图像处理的实践中，人们广泛使用的颜色空间模型主要有三基色模型以及由此提如的联色模型、颜色模型、颜色模型，羧色第牵移动辘漂大多西标恢滤凝色嚣踩系统模型等等，以适应备糟遗同应用的需求。麟将简要介绍一下这些穰涮的特点以及栩甄转换表示瓣公式。幽毽颜色空鲻（）是在三鏊色理论基础上歼发的裾勰潺色颜色宅闯。使耀生成颜色容粕实王兕，因此存使用晴极射线管（）的图像显示系统中褥到泛静应用。浆据三綦色壤论蠢萃孛颧色斡光都可曩国红缀秘蕊三转攀色嬲权浚含露成，我们可以参见图，。心转毅色空间采髑篷卡尔搬标系，燃一娆承了空闰静单位立方髂，壤点，）表示黑色，坐标点（，）表示白色，单位立方体的三个主轴分别对应与红、缭、蕊三种颜色，冀他颜色露跫健稻麓线骸缀合。荦整立方侮主对角线翡称为获笈对焦栽（）。霹以器浅彩魏空澜是一个三维黝线蠼窒翊，空越中的王惑令点域誊一个矢鬣裁裘示獒努一定亮寝麴灏色麴竞。圈。颜色空间尽繁莛媛常使焉黪颜色空藏，餐是麸彩色不变袋螽发来说，它有死令缺点，主要在于三个分量之间的离相关性以及在颜色空捌上的浅分敝性：。每个分量不但要表示颜色，还要表示颜色的明暗程度。并且，相似颜色在颜色空间中的距离可熊相当大，而不同颜色在颜色空间中的距离却可能穰小。光线若发生徽小交亿，三个分量都会发生缓太盼交纯，导嚣圈藏氇物垂兹篷会分教在空闫中很大约区域内，为识别蛰来很大的：难。很难确定用于识别目标的的闽值范围，丽且容易把非指定颜色的物体包括进去，或漏掉应该识别的部分物体。第牵移动机器人多目标快速颜色跟踪系统）颜色空问（，）及与其相关的如（，）、（，）等广泛憝应餮弓实时彩色税觉系统。颜色字闷使用非常近似于人对彩色感知的方法来定义彩色，它对我们朱讲似一种很直观的方法。色调（）分量表示仟么颜色（如红色，绿色，蘸色等），键帮度（）分量表示颜色的浓淡程度（如深红：色），亮度（）分照描述颜色的亮暗穰度（如亮菔色、暗蓝色）。阁表示了的颜色空溺。菌中，耋鸯艇裳示光的亮度变化，璜端最竞处表示皇光，底端最暗处表示黑色，中间是介于自和黑之问的深浅不同的灰度。水平圆面上的各点代表光谱中各种不同的色调，萁中位予圆周上的点是锪穗联色，扶爨蠲至懑心熬过渡表示颜色、囱、霪、？惚和殷、。：。罄孑笤，妊图颜色空间饱和度逐渐降低。当颜色在颜色立本同一平鹾上变化时，只改变色调秘绝积度而亮度不变。因为颜色空间中亮度分量与色度分爨相互分离，在彩色图像分割应用中具有较大的优势。而且其中的色调与魄和魔也是相互分离的状态。餐是奁实对应嗣中，这种颜色空闯有一个严羹的闯惩：很少有摄像硬件设备支持这季孛形式，因霭要从其它一燃空间逮予转换。从颜色空间到颜色空间的转换公式如下：硝（鼍罴笋扩扩毒黟护旺，、，扣其第章移魏机器人多舀标侠遴颜色跺系统：，；蝥三呈三堡一芊（）（一柳（口一固】从二式可以看出，转换需要大量的浮点运算，往往造成图像处理的实时性不裙。这盘慧这一类舀澎颜色空蠲酌一个最大麓缺点。凝色空目，和等颜色空间是为电视系统开发的。这些颇色空间是亮度和色艟）分蕊酶电褫播送颜色空闻）。是和模拟彩色电视制式采刚的颜色空间其中的不是哪几个英文单词的组合词，而怒符号，表示亮度，精来表示色差，、是构残彩色躲强令分量。无论是数字熬还楚模拟的颜色空间，这些颇色空闯都把颜色空问分离成亮度和包度日的是为了更有效地压缩图像的数据量以便充分利用传输通道的带宽或者节省存储容量。表示法故第一个优点是它的亮度售号（）和色度信号（，）是丰互独，电的。也就是说，信号分量构成的黑白灰度圈与用信号构成的两幅单色图怒褶互独立的。由于，和楚独立静所以可以黠这黧擎惫强分溺遴镎编鹚。戴羚黑自电视能接收彩色电视信号也渡是利用了分量之间的独立性。这与色彩空间中三个分量之间的高桐关性越不同的。表示法的另一个优点愁可以耩瑟久疆静特性来降低数字彩色图像敷霉要的存锉容爨。人眼幽窀间分离对彩色细节的分辨能力远比对亮度细节的分辨能力低，如图所示，我们对）二彩色照片提取出来的分量黑白照片（图篇张陶片）的细节看得根清楚，而对于黼张彩色照片键取出静分量照片（图第、张图片），我稍对第章移动机器人多目标快速颜色跟踪系统严缁节就看不清楚。但是这个并不影响我们翁到彩色图片图簿张醋片）的质馕。内予这个原因，裁可以獬彩色分量静分辨率降低丽不鞠旺影晌黼像的斌燕，心而就可以把几个相邻像素不同的彩色值当作相同的彩色值来处理，从而减少一蔽阉像掰嚣麓存德容量。翱翔，：豹彩色图像郎帮分鏊都用位二进制数表示，那么个象索就需要用个字节来表示，如图所示，蟊栗螽：来表示弼一稻彩色蘑像，籀邻个象索可以公弼帮，所以需要用个字节就可以表示清楚，可以节省的存储量，使图像采集传输速度稳痘逮莰了恩。卜一第。个象索挪，个象豢一（：￥嚣￥一煞夸篓蠡一一舞辛盈蠢一刚。；【的不同，。，一，燕势：第一，亮度售号（）秘魏度信号（，）楚穗互狻立静，保证了彩篷不不变。第一图像采集遮度加快而图像质量基本不变，增加了图像处理的效率。运算进行转换，所以程序的效率大大降低。并且由于空问和空间都足亮度信号和邑发信号鞠互独立，簇色空阉爨势并不是绞凌露。和颜色空间由于他们的亮度信号和色度信号相互独立，所以在进第章移动机器人多目标快速酗色跟踪系统行颜色特征比较时，可以不考虑亮度分量而单单对另外两维色度信号进行比较。这样可以加快图像处理速度，但是由于只比较二维颜色空问会使图像信息受损，导致使噪点增多（详见本章实验结果比较）。所以，本文就采用的的颜色空间，并且使用全窄问比较，利用直接采集数字图像信号的摄像机来采集图像，用：来传输压缩图像，加快采集速度。目标识别与跟踪的方法目标别方法对彩色目标的识别，颜色信息是最主要的判断依据，利用颜色可以快速地区别对象，在图像处理和目标识别中有着无法替代的作用【“。在彩色图像中，颜色均匀的区域也能够在彩色空间中形成聚类【“。以空间为例，若图像中存在颜色相同或者近似相同的区域，如（，），那么这一片颜色就会在（，）附近形成聚类。目前目标识别方法主要有阀值法、概率法【】、聚类法【】等。这罩主要介绍一下阀值法。本文所用采用的目标识别方法法就是基于阀值法的，但和阀值法又有所不同。前面说过，色度相同而亮度不同的点能够在彩色空间中形成聚类【】。当目标颜色是可知的，或能够被预先测量时，可使用阀值作为目标颜色的一个限定范围。也就是说，用一个颜色空间中的颜色多面体束逼近或者说来表示这个聚类（如图），本文用一个颜色长方体来表示这个聚类。由于颜色空间的亮度信息是按照对角线分布的，所以色度相同而亮度不同的点沿着对角线分布，空间用颜色长方体来逼近会产生较大的误差（详见本章实验结果比较）。分割的结果是产生一幅二值图像，感兴趣目标象素点的值被设置成，其它不感兴趣的象素点，被认为是背景，象素点的值被设置蔓。如图。第章移动机器人多日标快速捌乜融踪系统图颜靓空间聚类蚓。值化幽像凌方法在判断标是统一颜包时，菲常实翔且效果常好。毽是这个方法有一个缺点：判断图像中一个象素是否在颜色多面体内（图），需要采用二次比较，如下：（）（一）（），（）（）；：经过这三次比较，才能判断一个象素是否是感兴趣的象豢。这样增加了程序的受援，降低了效率。本文使用改进的阀值毙较法，先建立图像查询表，然后通过接待“与”的操作，进行躲素判断，减少了判断次数，使图像网标识别的效率大大提高（计见奉章第四节在线算法的实现）：譬标鼹踪方法将感兴趣的标象索从一帧图像之巾识别出以后，跟踪下一帧图像中的目标位首就成为蚓像识别的首要问题了。总的来说，目标跟踪的方法按照搜索象幕范网的不同，主要分为两丈类：部分蒙素搜索法和全部象素搜索法。、懑蕊警：一譬一一戆奄嗡第章移动机器人多目标快速颜色跟踪系统部分象素援索法是校据上一撅或上凡颧目标所在的位置，稍数学的方法对卜帧大致的位臀进行预测估计，从而只需要存一帧图像的局部区域进行搜索翻瑷裂处理。主爱的方法有卡尔爨滤波（）预灏法驿“，统溺学方法【等。而全部象索搜索法是对每一帧图像进行全帧识别处理。这两种方法各有利磐。静一静方法菠索懿象素少，减少了散攥处壤鬟，所以效率离，实喇箍好。但是，当的识别依赖于上一次或者几次的识别结果，如果识别过程中丢失目括，会影粕至下尼次数谈弱，酝以鲁移性差。磊穆方法当；懿识别动乍不依赖于上一次的：别结果，即使识别过稷中丢失目标，也一会影响到下次瓣，具努锾强戆蛰棒蛙，餐是由予数据楚淫量太，矮戬有露能会彩稳裂实时性。由于机器人比赛时，并不是每时每刻都可以稽到目标（例如球被别的机器久接住，球装拿起等），露且本文夔嚣蠡谈剐方法攥迂了实对牲鹣要求，所以本文采用全部象素搜索法来进行象索搜索。视觉系统总体结构由于机器人比赛对鲁棒性和实时性的要求，彩色图像分割和目标跟踪软件采鼹离线采样统计学骂算法稂在线分割跟踪算法糕结合的方法来遴行。如图所示，离线算法和在线算法分别在两个线程之间运行，他们通过共享公共变量求进行数掇交换。图视觉系统总体结构第章移幼机器人多目标快速颜色跟踪系统离线算法实现程彩色麴豫中，颜色缘匀菸区域麓够在彩色空闯中形袋蘩类娜。为了麓罄表示这个聚类，我们用颜色空问中的长方体爿乏大概逼近这个聚类图。离线辩法的爨标载楚惩到这个长方体，为在线算法躲蓬豫：稳纯建立静态懿图像查询衷。，一一。：，。一、，一！。、。选取目标区域图阀值长方体逼近聚类我们知道，用润繁法对图像逮雩亍分割时，需要强标颜色怒可翔的，这群才司以确定上下阀值作为目标颜色的一个限定范围。为了获得目标颜色，我们采霹鼠标逸壤翡方式在入手晁交互器西上逸取耩需要静鏊标藤色，并显嗣时疆察黼像处理效果，如图所示。如果对所选的颜色不满意，可以再次选取，并且和上次逡敬静颜色长方事誊进行叠凝，耨掰拿潺睡长方俸麓合成个，童至满意的效果。采样完多个颜色以后，可以将目书、跟踪结果直接昆示成虚拟界面，表示各个瑟振秘位置（图，。这个过程其实是撬藏拣遗考亍瓣标颜色徐入泌过桎。第章移动机器人多目标快速颜色跟踪系统莓标凝色学习矧采样羿面：虚拟界面、在计舅机获缮整标羧瞧蜃，出于球上黪联色并不是均匀分毒瓣魏国，簸有可能有嵘声（杂色点）存在，如果直接获取最大值，最小值作为阀值，很有姻将目标医域扩大，使整个系绕蛰转性变差。爨。中绿框为受到噪声予撬的阀值长方体，红框为实际的阀值长方体。圈，颜色不均匀的球醋受到礤声扰后的阀值方体为了塞除噪声，使系绕懿鲁转瞧变霉爨好，本文采取了极篷滤波熬方法。第章移动机器人多目标快速颜色跟踪系统首先利用统计学的方法，将颜色葡栎象素的值分别进行统计，并且排序，得出赢方型（图），把值属于两端（最大嶷或者最小值），并且象索个数小予个的作为噪声去除。蛳姗耄，踟孽攀，。俦生成隧像查询表圈立方娜鼙。俏豳获得阀值长方体以后，按照传统的阀值法，判断图像中一个象索是否在颜色长方俸内（闺，），需要采忍二次琵较，这祥大大增麴了褥旁匏运行时淄，且，由于需要跟踪多个口标，显然就有多个颜色长方体，这样，判断一个象襄跫否鑫个长方体中麓个悫，藏蘩琵较拄次，使程序瓣实辩瞧大打辑翔。为了提黼程序的实时性，我们采用图像黄询表的方法，对象素进行分类。其体寒撬，藏蹩建立三令数缀，分嗣表示簇彀空耀鹣二维，数缀靛太小对应于颜色窄问的灰度级数级：】数组中的每个索是类型的，有，每一个可以代液个被跟踪的爨标。遴过上一誊鲍曩撂蕨色学习冬到个曩拣的（）阅餮长方体以厉，于巴各个长方体向各个轴进铂：投影，如图所示，把处于第个同标耀穰疑方俸投影区域凌（圈中红色线段）斡数缀元素熬耀对应豹第个墨，把处于处于第个目标阀值长方体投影区域外数组元素的相对应的第个置。例如，通过颜色学习褥到第个目标球黪阀僮艮方体为（，第章移动机器人多目标快速颜色跟踪系统，】），酃么数篷簌第个元素澍第个元素豹第个“置，其余的置，数组都做相应的设置，最后垒成阁像奄浚轰。图阀值长方体投影图像查询表生成以后，判断某个象素是否在莱一个阀值长方体以内，通过蜜询图像褒询表，然后张“与”黻方便快捷地得滋结论。例如，判断象素（，）怒否在上面所说的第个目标，球，这个阔值长方体内，只要判断“按位与”表达式】的结果第位是否为，如果为，则此象豢所描述的颜色属于目标颜色，反之则不是。在线算法实现存线算法主要实现圈豫豹采集，图像二值亿，弱标分割，特征董提取以及标跟踪。眭于存线算法属于主线程之内，对实时性的要求高，所以本文利用游稔编玛的方式绘瑟像编玛，减少系统维数，掇离效享。第章移动机器人多目标陕速颜色跟踪系统，图像二悠化与目标分割在一颧胬像由摄像穰采集入内存以磊，首先透过一节所介绍的“按经与”的力式，挫一帧图像所有象豢都垮图像查询表“按位与”二值化，掇出来的结果放入象素点巾，感兴趣目标象素点的值自然腼然地被设置成非，其他小感兴趣的象索点，被认为疑背豢，象索点的值被设覆为。这些非的象素点，有些楚属于第个强标，裔些怒属于第个哥标，在以前的蠲豫处理酌实践大多数区域融合是基于逡逶橡记或是区域生长算法的【，这些算法复杂蠢：圭费刚，为了尽快把这些目标区分开来，本文用游程编码的方法把幽像进行编码。游程编码趋用二值彳也后闺像逡续相同的象素个数（长液）来掐述图像。我用翔。一个结梅体来表示：；例如一个二值化后的图像象素值如褒表示表二值化后的图像露以播游程编硝表示为就是躐颜色为（二进制）的长度为，紧接蔫是颜色为的长度第章移动机器人多目标快速颜色跟踪系统为，接着是颜色为（二进制）的长度为，由于图像中人多数为景图像（颜色为的图像），这样，整帧图像的数据量大为减少。经过游程编码以