足球机器人比赛系统的色标设计与辨识

足球机器人比赛系统的色标设计与辨识

1视觉系统的建立近年来，国际机器人足球比赛已开展了多项技术学术活动。它是一个多学科的集合，包括计算机视觉、人工智能、机械工程、机械工程等学科。目前,国际上组织的赛事有两个,一是日本和美国发起的机器人世界杯赛RoboCup(Robotworldcup),另一个是韩国发起的微型机器人足球锦标赛MiroSot(Micro-Robotworldcupsoccertournament)。在MiroSot足球机器人比赛系统中,视觉系统是极其重要的模块。因此,构建一个稳健快速准确的视觉系统在实际应用中显得尤为重要。机器人控制完全取决于俯视全场的信息得到,这些信息包括场地的大小及边界,小球的位置,机器人的位置、编号以及方向角等,而这些信息主要是根据各种色标的不同组合来区分的。色标形状的选取以及颜色组合成为了大场地比赛的一个瓶颈,目前已经有不少文献对此进行了大量的研究。近两年,一种新的色标设计方案被提出,解决了足球机器人11vs11系统颜色选取的问题,用尽可能少的颜色来表示不同的机器人编号。利用合理的辨识算法,基本解决了大场地的颜色识别问题。但是在实际实验过程中,由于硬件的限制,场地比较大(440cm×280cm),外界环境对颜色采集的干扰,成了一个不可忽略的问题。因此,提出了一种“吊桶”优化算法,可以解决绝大部分由不同环境影响下造成颜色辨识错误的问题。2图像采集和拍摄的并行处理方式实验平台采用的是1394接口采集卡,带宽为400Mbits/S,对于一个摄像机来说,采集频率可达56帧/秒。如果用两个摄像机,这样两个摄像机就可以分别得到200Mbits/s的带宽。在这里,还有一个要求就是两个数字摄像机的采集频率要一致。采集频率均可达到30帧/秒,这样,对于图像采集能保证在33ms左右。因为采集图像需要一定的时间,等采集完图像再进行处理(串行方式),势必会造成资源上的浪费。因此采用并行处理方式,图像处理的时间(每一个摄像机采集来的图像进行处理平均为9ms≤33ms)和采集图像的时间并行执行。由于对决策系统进行了大量的优化(大致执行时间为3、4ms),因此,系统总的执行时间可控制在36、37ms。整个系统基本能够满足实时性要求。在这样的环境下开发11vs11足球机器人的比赛,具有一定的优越性。由于摄像机分辨率的限制,不能像MiroSot3vs3或者5vs5那样,利用一个摄像机,就可以将整个场景拍摄下来。对于11vs11的场地为440cm×280cm,所以采用了两个摄像机拍摄图像,然后分别对各自的图像进行辨识处理。当同一时刻的两幅图像辨识完后,对数据进行融合,然后再利用吊桶算法进一步合理优化。具体的算法流程如图1所示。3图像匹配算法对于11vs11场地的机器人足球比赛,由于场地过大,受硬件限制,采用了利用两个摄像机摄取图像并进行图像处理,然后再进行数据融合,提供尽可能精确的数据传递给决策系统。由于11vs11制比赛所需颜色比较多,故采用当前比较流行的色标设计方案(如图2)。对于机器人的辨识处理方法,可利用全局搜索队标,然后再根据动态窗口法查找队员标进行匹配,具体的实现如下:介绍如下:T为队标,D为方向色标,A、B为队员色标组合,这样11vs11,仅需要6种颜色就可以区分不同的队员。建立一个队员色标的颜色库组合{(C0,C0),(C0,C1),(C0,C2),(C0,C3),(C1,C0),(C1,C1),(C1,C2),(C1,C3),(C2,C0),(C2,C1),(C2,C2)},其中,C0、C1、C2、C3分别代表不同的颜色。AB颜色组合可以选取组合库中的任何一个来代表不同队员,另外还需要两种颜色ColorT,ColorD分别代表方向色和对标色。这样的匹配可以大大减少颜色的选取。匹配算法简单描述如下:(1)利用全局搜索队标色。对于每一个队标色根据补偿逼近辨识算法求出机器人的大致方向。(2)对每一个队标进行动态窗口搜索,确定小车的具体方向和颜色AB的颜色组合。(3)对搜索结果进行队员号匹配。实验表明,这样的色标设计和辨识,能够满足大场地视觉的基本要求,但是硬件和场地的尺寸限制,颜色的干扰比MiroSot3vs3和5vs5要严重很多,出错的概率比较大,不能忽略。出现错误时必须根据历史信息对数据进行校正。4吊桶算法的实现由于场地比较大,颜色的采集受干扰的可能性较大。而且根据实验结果,可以得出结论:在这样的大场地下进行辨识,存在比较严重的偏差。辨识结果存在的问题如下:(1)机器人号码重复,即不同的机器人被识别为同一个号码。(2)机器人没有匹配上自己的号码。如:查找到了队标,但是由于当时的光线干扰根据队标搜索后没有匹配上自己的队员号。(3)队员号匹配错误。例如,机器人号本来在正常情况下,应该被识别为1号,但由于外在因素干扰被识别为2号。这些误差的存在,需要进行图像识别后的后续处理,因此提出一种“吊桶”优化算法,根据最小二乘法准则作为评判指标,得到最优结果作为最终的结果传给机器人足球策略系统。最小二乘法公式如下:∑i=011(dist(PreRi,CurRi)+k×difangle(Preθi,Curθi)2∑i=011(dist(ΡreRi,CurRi)+k×difangle(Ρreθi,Curθi)2其中,(PreRi为前一个机器人的位置,CurRi为当前匹配的位置,(Preθi为前一个机器人的角度,Curθi为当前机器人的角度,k为权值。算法描述如下:对于每一个色标块,利用上节中的匹配算法,插入匹配的结果号码,并且将上周期满足与当前色标块位姿之差小于某一阈值的合理值也一并插入。计算公式为:dist=dif(CurRi,PreRj)+k×dif(Curθi,Preθj)其中,(CurRi为当前队标块的位置,(PreRj为上一周期的某一机器人位置,Curθi为当前色标的角度,(Preθj为前一周期某一机器人的角度。k为机器人小车的半径。判断条件为dist是否小于Dist。Dist为阈值,阈值可根据小车单位时间内的最大距离来选取。例如,小车速度为2.5m/s,系统运行周期为36ms,那么,阈值的选取可选为:k×2.5m/s×36ms(k值大致为1)。(2)对于插入桶内的数据,利用最小二乘法进行择优选取。举例说明算法的流程,假设机器人一共11个,经过图像采集辨识,将两组数据组合在一起,匹配结果如下:(3,5,10,7,8,8,9,0,2,1,6)。这样,场上出现了两个8号队员,所以必须经过再处理。把找到的11个队标色块,将其标上号(0,1,2,3,4,5,6,7,8,9,10)。利用上周期的结果,根据距离、角度偏差小于某一个预值,即满足“吊桶”条件,可以插入桶内。具体实现如图3所示。当建立了以上的吊桶结构后,就可以从每一个结构中选出一个数据进行组合。例如从上面的结果可以得出(3,5,10,7,8,4,9,0,2,1,6),(2,5,10,7,8,4,9,0,3,1,6)两种组合,(注意:对于每种组合如果出现了重复的号码,则排除)再根据最小二乘法原则进行计算求出最优组合作为最终结果保留下来。当经过吊桶算法处理后,可能会出现的情况是没有得到一组合理的组合(例如出现了所有的组合中都有重复的号码)作为最终的结果。根据实际情况,将采集辨识匹配结果的每一组数据,利用上周期的结果比较dist是否小于Dist,是则认为该值是正确的;不是则认为该值是错误的,该机器人新的位姿还是历史信息(即上一帧的位姿)。如果系统存在连续出现辨识错误的问题,比如,机器人跑到场地边界,由于场地畸变或者光线干扰,在这一小范围内,受外界影响几乎是一样的,此时,如果得到了错误的结果,那么下周期将根据错误的历史结果来进行“吊桶”优化,这样的错误将持续到机器人跑出这个范围之外。所以在算法中要设计一个定时器,进行刷新。5vs3、pvs5的辨识正确率该优化算法可以引用到MiroSot半自主机器人足球比赛视觉系统中。它可以纠正外界突发的干