半自主机器人足球比赛中合理色标的设计

半自主机器人足球比赛中合理色标的设计

1基于视觉的分布式控制目前，国际上有两种类型的机器人：robo机器人和菲洛伊木马。FIRA自1996年在韩国KAIST举办第一届MiroSot比赛至今,已成为国际机器人比赛中最具水平和影响力的赛事之一。FIRAMiroSot足球机器人系统包括机器人小车、通信系统、视觉系统和决策系统。根据控制方式不同,机器人足球系统分为3类。第1类被称为Remote-brainless系统,系统采用全局视觉GlobalVision作为反馈,计算全部在主机上完成,机器人只接受遥控命令,这是一种相对比较简单的单向集中式控制方式;第2类为Robot-based系统,系统中所有的计算和决策由机器人自带的CPU完成,主机只处理视觉信息;第3类控制方式介于纯粹遥控和自主之间,为Brain-on-board系统。目前FIRAMiroSot足球机器人系统采用最多的是Remote-brainless系统,由于该系统是采用基于视觉的集中式控制,视觉系统是决定系统总体性能的关键因素。视觉系统的工作流程如图1所示。使用一个放置在场地中心位置上方约2m处的俯视摄像机镜头获得原始的模拟信号,经由数字采集卡对信号进行A/D转换后,按照一定的数据结构将数据保存在计算机内存中,然后将数字信息进行分析、计算,最终得到目标物体(机器人、球)的几何信息,即返回目标物体的位置和方向信息。FIRAMiroSot足球机器人视觉系统应用的场景是球场这样一个已知的结构化环境,所有要标识的目标(机器人、球)是使用规范化的色标加以标识。由于球场是一个特定的环境,不可能改变,因此,根据足球机器人比赛的规则设计一个便于识别、处理的机器人色标和图像处理程序已成足球机器人系统的关键技术。2颜色阈值的选择机器人色标的设计不同,其识别和处理的速度和准确性也就不同。常见的机器人色标设计方案如图2所示。其中“主”代表队标的颜色,“1”、“2”表示队员色块,队员号码不同则队员色块的形状不变而颜色变化。这样的色标设计方案,颜色阈值选择适当的情况下,可以很容易地找出足球机器人的位置和方向,因此目标颜色阈值的设定是最重要的一步,也是最耗费时间的一步。而实际上,比赛由于场地、灯光,甚至观众参观比赛时造成的阴影都会对阈值产生很大的影响。由于这些外界的条件干涉,需要将颜色阈值范围扩大,而颜色阈值的选择无论过大或过小都是不合适的。如果范围过大,则满足条件的象素有可能增多,容易得到错误的结果。反之,如果范围过小,本来是目标颜色的点则可能漏掉。而且随着队员的增多需要区分的颜色增多,阈值就越可能出现交叉,阈值的范围也就越难选择。经过试验比较与分析,发现如上图二色标设计效果最佳。(1)使用相同多种类的颜色,可以有更多的编号;1种颜色可以满足3VS3,2种颜色可以满足5VS5,3种颜色可以满足11VS11;(2)机器人的方向易于确定;(3)需要设别的像素点最少。然而第2种识别的像素点过多,计算量变大,而且当2个机器人像靠近时容易出现识别问题(主要是当两个机器人靠近时,会误认为其他机器人上的色块误是自己的色块而导致识别错误),图3效果也很不错,需要识别的范围比图1还少,但是由于为非矩形,采色比图1困难,且制作色标不易。3足球机器人的颜色识别算法3.1浮点运算的应用实验测试使用的是BASLER摄像头,摄像头将采集的数据从1394卡传入计算机中,传入的数据是Mono8格式的信息。由于我们熟悉的颜色模型有RGB、YUV、HIS等,所以我们往往是将Mono8格式的颜色信息转化成这些熟悉的颜色模型,实际上为了识别快速高效,我们可以直接处理Mon8格式的信息而无需转化。Mono8格式的颜色如图3所示。每个像素点有RGB值中的一个分量,转化时将附近像素点的值经过运算得到该像素点相应分量值。假设此点为B值,则此点的R分量是该像素点左上、右上、左下、右下四个像素点R值的平均。如果此点(左上、右上、左下、右下像素点)不存在,就不计算此点,此点B分量为本身B值,此点G分量是与该像素点相邻的上、下、左、右四像素点G值的平均,如果此点(上,下,左,右像素点)不存在,就不计算此点。计算方式如图4所示:如果此点为G值点或者为R值点,处理方式一样,没有值的点取附近点的平均值代替。这样处理使得M*N个空间的信息扩展为3*M*N,计算中很多浮点运算,使得处理后的信息与采集出来的信息有一定的误差,误差过大可能导致颜色识别不是很准确。在采色阶段,统计选中区域所有点(R值点、G值点、B值点)的信息,求出R的平均值avg(R),G的平均值avg(G),B的平均值avg(B)。在每周期的识别阶段,由于采集的Mono8格式的R、G、B值是按照一定顺序排列的,所以比较每个像素点是否符合选中区域时,只用比较其中的一个值(即此点仅有的值R或者G或者B)。3.2确保高速处理速度在半自主11vs11内,场地范围较大,如果每次都是从起点逐层搜索,可能使得摄像头的此次信息没有处理完,下次信息又获取到,如果这样,我们只能使得摄像头的帧速降低才能处理,那么不可能使得每次的数据是最新的,策略的执行一定会受到影响。为了加快处理速度,需要采取如下措施:(1)在行列方向上每间隔几个点检测一个点,间隔点数不能太少也不能太多,太少的话计算量很大,太大的话,由于光照变化的影响,可能造成色标被漏检。以保证每个色标被检测4到9个点比较合适。(2)根据上两次机器人的坐标计算出机器人的运动方向和速度,预测机器人下帧图像时可能的位置,然后在那个点附近搜索。(3)采用堆栈记录满足要求的邻接点,将堆栈尺寸设定为比色标的实际点数多一点,如果在寻找色标过程中堆栈溢出就说明找不到色标了,可以中止搜索过程。采取这些步骤后,每个色标的计算时间将大大减少。3.3场地区域划分(1)为防止对手将ID色标颜色设定成接近球的颜色干扰我方机器人识别,应该判定球的色块与对方色标的距离,如果小于机器人半径,就认定不是球。(2)为防止场地边沿其他干扰色块被误识别成球,一方面可以通过场地标定控制场地区域,另一方面可以将场地分割成多个区域,优先从场地中间开始识别,搜索不到球后才开始从边缘搜索,以达到减少识别错误率的目的。随着机器人移动速度越来越快,对手的干扰措施越来越多,对色标以及识别算法的速度以及准确度要求越来越高。4基于信息提取的方法足球机器人色标设计方案有多种,经过实验测试和对比验证了图2左色标