足球机器人的色标设计及其辨识算法

足球机器人的色标设计及其辨识算法

集控式足球机器人系统由视觉子系统、决策子系统、无线通信子系统和机器人小机器人系统组成。从控制理论的角度来看，这四个子系统构成了一个封闭的反反馈系统。在足球机器人比赛中，视觉系统通过悬挂在比赛现场上方的摄像头不断获取比赛现场的信息，并通过图像收集卡将获得的模拟图像数字化并存储在计算机上。计算机处理的最终目的是获得场地上车辆的方位角、球和车的坐标位置。这里包括图像预处理、场地测量、数据恢复、图像更正、图像处理、，色度设计和识别算法。此外，还包括许多问题，如图像预处理、地面测量、图像建模、图像更正、，色度规划和识别算法。因此，颜色设计的质量不仅会影响其识别的精度，还会影响识别算法的设计及其复杂性。好的色度预算方案需要设计简单，检测算法的复杂性相对较低，检测精度高。在这项工作中，我们重点讨论了色彩设计和识别算法。1颜色标记设计和识别算法1.1不同颜色的辨识方法足球机器人视觉子系统最终要通过辨识小车的队标和队员标志来获得小车的位姿信息,即小车的位置和方向角.目前所采用的色标设计如图1所示.图1(a)和(b)色标设计都是关于机器人中心对称的,可通过辨识队标和队员标志的中心来获得小车的中心.小车的方向角从队标中心指向队员标志中心的射线逆时针旋转45°得到.该辨识算法比较简单,系统实时性较高.但由于不同的颜色受环境的影响不同,色块向周围扩散的程度不同,两个色标块交界的区域有混色现象,这些因素都会导致很多的干扰问题.图1(c)色标设计的辨识算法相对更为简单,由队标中心指向队员标志中心的射线方向即为小车的正方向.但这种色标设计同样存在上述问题,更易发生粘连现象.图1(d)是通过辨识队标的中心形状来确定机器人的中心和角度.由于该设计中没有队员标志,故而各队标的形状或大小各不相同,以区分车号.由于只使用一种颜色,避免了同时使用多种颜色所带来的混色,粘连等干扰问题,但由于尺寸的限制,而且色块还必须具有表征方向信息的特殊形状,所以色块之间的形状差异并不是很大,从而对角度的辨识算法提出了很高的要求,比较难以实现.图1(e)队标的设计具有明显的方向性,辨识时可以得到一条明显的队标指向的矢量线,小车的中心可由队标中心的位置确定,而小车的方向角和车号由队员标志辅助决定.由于这种设计也是完全由单一色标来获取辨识结果的,所以它具有图1(d)色标设计的全部优点.另外它采用队员标志来辅助确定正方向和车号,不需要通过形状来决定,因而避免了复杂的形状辨识算法.1.2色标中心对称计算截选出小车在场地中的4个特殊位置进行分析.图2(a)是小车的队标垂直于场地的x轴,判断的方法通过调用图像采集卡的库函数得到小车中心点的位置,即色标的中心点,过色标中心建立x轴,采用统计学原理分别求出上下两部分的中心点,并根据两点求出色标矢量线的斜率k,从而判断色标是否处于图2(a)图所示的位置.当然,当色标处于图2(b)图位置时亦满足上述条件,区分图2(a)、(b)的方法是判断OA段或OB段位于x轴上还是y轴上,若OA段位于y轴上,即y轴方向上的色标长度大于x轴方向上的色标长度,则色标位于图2(a)位置,反之,则色标位于图2(b)位置.θ=arctan∑yA1/nA1−∑yB1/nB1∑xA1/nA1−∑xB1/nB1.θ=arctan∑yA1/nA1-∑yB1/nB1∑xA1/nA1-∑xB1/nB1.当色标处于图2(b)位置,过色标中心建立y轴,采用统计学原理分别求出左右两部分的中心点,并根据两点求出色标矢量线的斜率k,当斜率满足-0.175<k<0.175时θ=arctan∑yA2/nA2−∑yB2/nB2∑xA2/nA2−∑xB2/nB2.θ=arctan∑yA2/nA2-∑yB2/nB2∑xA2/nA2-∑xB2/nB2.当色标不满足图2(a)、(b)位置时,根据计算得出的斜率大小判断色标的倾向,若斜率>0,则倾向如(d),若斜率<0,则色标倾向图2(c)、(d).图2(c)位置是色标矢量线与x轴成±45°的特殊位置,此时A1区和B1区大小相等,OA=OB,关于色标中心对称.当满足|OA-OB|≤3误差范围之内,用如下公式计算:θ=arctan∑yA3/nA3−∑yB3/nB3∑xA3/nA3−∑xB3/nB3.θ=arctan∑yA3/nA3-∑yB3/nB3∑xA3/nA3-∑xB3/nB3.当色标倾向由图2(c)过渡到图2(b)位置时,OA不断增大直到最大值,OB不断减小到最小值;当处于(b)位置时,OA取得最大值,OB取得最小值,Lmax=OAmax-OBmin,此时利用A1、B1中心点得到的矢量线和理想矢量线误差角达到最大值26.33°,故建立一种补偿算法模型如下:θ=arctan∑yA3/nA3−∑yB3/nB3∑xA3/nA3−∑xB3/nB3+(OA−OB)×26.33ΔLmax.θ=arctan∑yA3/nA3-∑yB3/nB3∑xA3/nA3-∑xB3/nB3+(ΟA-ΟB)×26.33ΔLmax.其中(OA-OB)*(26.33/Lmax)为补偿角度,此模型同样适合色标由图2(c)向图2(a)过渡时计算角度,因为此时OA不断减小,OB不断增大,(OA-OB)为负,θ向-90°趋近.同理,当色标倾向位于图2(d)图误差范围之内即|OA—OB|≤3,或由图2(d)向图2(b)和(a)过渡时,其计算公式分别如下:θ=arctan∑yA4/nA4−∑yB4/nB4∑xA4/nA4−∑xB4/nB4‚θ=arctan∑yA4/nA4−∑yB4/nB4∑xA4/nA4−∑xB4/nB4+(OB−OA)×26.33ΔLmax.θ=arctan∑yA4/nA4-∑yB4/nB4∑xA4/nA4-∑xB4/nB4‚θ=arctan∑yA4/nA4-∑yB4/nB4∑xA4/nA4-∑xB4/nB4+(ΟB-ΟA)×26.33ΔLmax.以上算法中,∑x、∑y表示某一区域内所有象素点x、y值总和,n表示某一区域内象素点的个数.用流程图表示此算法如图3所示.实验证明,该算法相对简单,能够较好的辨识色标,在保证一定精确度的条件下,大大简化了程序,从而提高了系统的实时性.2研究相关知识足球机器人视觉系统融合了计算机视觉