仿人足球机器人的非预定义足球检测算法

为适应人类赛场环境,仿人足球机器人需能够识别未预先定义足球,此时足球不再具有固定的与场地鲜明对比的颜色,因而不能通过传统的单色块识别策略解决。该文将足球颜色划分为专有色和共有色两类,采用两轮颜色标记方法生成颜色查找表;在图像像素级联通分割获得色块的基础上,提出基于图连接关系的宏像素聚类算法,从而得到若干足球识别候选对象;再利用模糊逻辑方法中的隶属度函数从候选对象中获得最佳足球识别结果。实验表明在不具备高性能计算硬件平台的情况下,算法能够在存在大量干扰,远近距离大幅度变化的条件下准确识别出非预先定义的足球,避免与边线、机器人等对象的混淆,且达到每秒15帧的计算速率。该算法能够在严格受限的计算能力下达到高效的足球识别能力,从而为参赛机器人提供了一种崭新策略。     

瞳孔检测的图像裁剪与异常瞳孔排除

为获取眼部特征进行视线跟踪,提出了一种具有较高实时性和正确率的瞳孔检测方法.使用模板匹配定位眼睛在图像中位置,裁剪边缘冗余图像,降低瞳孔检测计算量,从而提高实时性;利用瞳孔的形状、颜色等特征以及眼球运动规律,得到瞳孔在图像中分布规律,对错误的瞳孔信息进行排除,从而提高瞳孔检测正确率.实验结果表明,在NVIDIA Jetson TX2嵌入式计算机上,该瞳孔检测方法检测正确率达到95.06%,检测速率为95 fps,耗时平均减少55.33%,具有良好的实用性.      

一种汽车保险盒熔断器插接位置检测方法

针对汽车保险盒熔断器插接位置检测,提出了一种以颜色识别为基础,结合边缘检测与特征匹配理论的检测方法.此方法通过比较样板图像和待检测图像中关注区域的颜色信息差异,判断熔断器插接位置正确与否;通过对样板的大量实验,解决了现场光线干扰造成的检测失准问题;采用对图像进行均衡化处理和边缘提取的方法,解决了颜色经常变化的非熔断器位置检测的难题.工业现场实际测试表明,该方法稳定可靠.     

基于Harris-Hist的特征匹配及目标定位算法

针对目前机器人伺服定位抓取中定位精度和实时性较差的问题, 提出一种基于Harris-Hist的快速特征匹配及目标定位算法. 首先, 采用Harris检测算法提取图像特征点; 然后, 提出一种新的特征点描述子定义方法, 计算特征点圆形邻域内像素点灰度直方图刻画特征点, 通过计算两幅图像中各特征点描述子间的距离实 现特征匹配; 最后, 根据匹配结果, 估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高, 能满足机器人伺服定位抓取中定位精度和实时性的要求.     

一种自适应颜色特征的目标识别与跟踪法

文中提出了一种自适应颜色特征的目标识别和跟踪方法,该方法结合图像颜色特征和形态特征对图像进行处理.首先依据颜色特征对帧图像进行初步处理,利用图像数学形态学的运算特点,对初步处理的结果进行修正补偿.在识别跟踪过程中,作为识别依据的颜色特征会根据目标颜色特征的改变自适应地进行更新.在类人足球机器人比赛中取得了比较理想的识别跟踪效果,应用证明该方法可以提高视觉子系统的实时性和精确性.     

背景移动补偿技术的研究

研究利用背景移动补偿方法消除运动图像相邻帧相减造成的背景杂波,从而把复杂背景下运动目标的识别问题转化为简单背景下的目标识别问题。利用背景中特征较为明显的区域进行模板匹配,得到背景的运动数据,依据此数据将相邻帧图像错位相减。将差分图像中的背景杂波去掉,只剩下运动物体的边缘和高梯度区域,有利于目标的识别。背景移动补偿实验结果表明该方法是行之有效的。     

基于局部SURF与Kalman滤波的多机器人识别与跟踪

针对SURF匹配算法,提出一种局部特征匹配的思想,对场景中多个目标机器人进行识别与跟踪。在静态场景中,利用背景差法检测出场景中所有运动机器人,提取各个机器人的轮廓,通过轮廓获得每个机器人在图像中的区域,对每个小区域提取SURF特征点并与模板图像进行匹配,得到想要跟踪机器人的位置信息,最后通过Kalman滤波对机器人位置进行修正并跟踪。实验证明本算法在不降低匹配的准确性上有效提高了识别与跟踪的效率。     

一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法

针对机器人伺服抓取中对定位精度和实时性均要求较高的问题, 提出一种特征匹配及目标定位快速算法. 首先, 采用Shi-Tomasi检测算法提取特征点; 其次, 提出一种新的特征描述子定义方法： 先以特征点为中心截取子图像, 利用二维Gauss函数偏导数确定特征方向, 再根据特征方向对局部图像做旋转处理, 提取旋转后标准局部图像局部二值模式作为特征描述子, 该描述子具有良好的局部性以及平移、 旋转不变性; 最后, 通过计算特征描述子间的Hamming距离实现特征匹配, 估计单应性矩阵, 定位目标在场景中的位置和方向. 实验结果表明, 该算法匹配速度快、 定位精度高、 稳定性好, 能满足机器人伺服抓取中定位精度和实时性的要求.     

一种改进的Hausdorff距离目标跟踪算法

在序列图像中进行目标跟踪是计算机视觉、图像处理和模式识别领域里非常活跃的课题。采用Hausdorff距离模板匹配的方法具有计算量小、适应性强的特点,为了能对复杂背景（包括运动背景或移动镜头）情况下的序列图像进行准确的跟踪,综合考虑了图像边缘的位置信息和方向信息,对模板匹配和模板更新的策略作了改进,与原有方法相比,目标跟踪的准确度和算法的效率有了显著提高。     

基于共生矩阵和颜色特征的泡罩包装缺陷检测

提出了一种基于视觉的泡罩包装缺陷检测方法．首先将表面图像分成泡罩区和底板区两部：令．在泡罩区先采用基于HIS颜色空间的合成颜色特征矢量提取出药片边缘,计算药片属性,然后采用改进的闵可夫斯基距离法进行药片颜色匹配．底板区通过提取基于共生矩阵的纹理特征,采用反向传播神经网络分类器进行缺陷识别,实验证明：泡罩区采用的算法不仅药片边缘定位精度高,而且可有效检测药片的污物、色斑等缺陷;底板区采用的识别算法能够检测各种纹理的复杂缺陷．     

一种足球机器人场地白线的提取方法

基于折反射原理的全景视觉系统,由于能获得大范围视野的环境信息、因其高实时性和高性价比而被广泛应用在视频监控、视频会议和足球机器人等领域。但是,该系统采用的凸面反射镜,由于存在对场景的压缩而使得实际场景中的一些规则物体(比如直线)的成像存在很大的变形,给提取这些特征带来了困难。而足球机器人比赛场景中的白色标志线是不可多得的参考信息,如果能快速准确地提取出全部或部分白色标志线信息,将给机器人的决策系统提供很大的帮助,从而提高机器人的整体性能。以足球机器人比赛环境为背景,将场地白色标志线的边缘像素点转化到:实际距离和图像像素距离成线性变换关系的图像空间,利用一种结合数字罗盘航向角度信息的Hough变换方法提取场地白色标志线信息。试验证明该方法具备很大的可行性。     

基于遗传算法的机器人自定位

为了解决中型组比赛环境下的足球机器人自定位、绑架和跟踪问题,提出一种基于遗传算法的机器人连续自定位方法.首先,从全景图像中提取出场上黑线与机器人辐射线的交点;然后,把该交点与环境地图对应黑线间距离之和的最小值做为适应度函数;最后,以机器人中心坐标做为个体,进行选择、交叉和变异操作,收敛到机器人的自定位坐标.另外,针对绑架和连续定位,在遗传算法全局自定位基础上利用梯度优化算法局部修正主位姿,提高了自定位精度和算法的鲁棒性.仿真结果和场地环境机器人自定位试验说明了该定位方法的有效性.     

足球教练员训练工作程序探讨

根据训练与比赛的相互依赖关系,按照“阅读“比赛、发现和分析问题、制定训练目标并设计练习方法的程序,在逐步接近比赛场景和氛围中进行解决实际问题的训练,再通过比赛进行验证并继续发现和解决问题,这是足球训练应遵循的基本工作程序。     

机器人足球赛相关技术研究

机器人足球赛是当前人工智能和机器人领域研究的热点之一，Robocup是在实时的动态的环境中进行的，为分布式系统和多智能体系统提供了一个测试平台,在介绍Robocup比赛环境的基础上，对多智能体系统进行了讨论，重点讨论了Asent结构与设计及多Agent协作、学习等相关技术。     

自主式足球机器人的信息与知识传播

进行信息与知识的传播 ,既有助于机器人获得“智能成长”能力 ,又有助于提高多机器人协作性能 .阐述了实现信息和知识传播的两个方面要求 :一是要进行信息与知识传播 ,足球机器人智能系统需要满足什么样的条件 ,如知识的表示形式、系统架构等 ;二是足球机器人进行信息与知识传播的合理规程 .针对智能系统架构的设计 ,提出了机器人智能系统是由一个个知识模块构成的思想观点 .     

机器人足球策略的研究

RoboCup是研究动态不可预测环境中的多智能体系统的典型平台．在RoboCup仿真比赛中,机器人整体团队协作和局部对抗规划都是比赛成功的关键．对于团队协作,应用面向对象的方法分析了机器人足球队员的角色特点,部署了不同队员的踢球策略．在射门对抗规划中,分析了球员射门时几个关键性的影响因素,并参考这些因素设计和应用一个关键性的射门函数．实践证明了在实时比赛环境中,整体结构和局部策略的有效性．     

浅析足球意识及培养

足球意识是足球比赛中制胜的一个重要因素,现代足球运动的特点决定了"足球意识"在足球运动中的重要地位。本文通过足球意识的涵义及我国足球运动员在"足球意识"方面存在的问题进行分析,阐述了培养"足球意识"的重要性。     

一种仿人足球机器人目标定位与追踪算法

基于仿人足球机器人嵌入式系统结构,对目标定位和跟踪算法进行改进,提出一种适用于嵌入式全自主型机器人的颜色识别算法.首先,改进通用的颜色识别过程方法,添加目标特征统计学习,使足球机器人能够脱离PC机进行自主的目标颜色特征阈值设定;其次,简化基于嵌入式单目视觉系统下的目标定位算法,并通过扩大首帧搜索区域或加入形状检测的方法...     

足球机器人底层运动控制研究

足球机器人底层运动控制在足球机器人比赛中起着至关重要的作用 .首先通过一系列试验 ,利用函数拟合的方法构造足球机器人的基本运动模型 ,然后在此基础上对足球机器人底层运动控制进行了较深入的分析 .试验结果和实际比赛证明该方法有助于改善足球机器人的运动控制 ,并且可以为更高层次的基本动作和整体决策子系统的研究奠定良好的基础 .     

机器人足球视觉系统研究与实现

在机器人足球比赛这项综合性的高技术对抗活动中,快速准确地识别足球和机器人是决策系统的基础.提出一套机器人足球视觉软件系统的设计实现方案.采用直接TUV颜色模型输出,目标阈值建立采用手动和自动方式.利用颜色标志设计的对称性,改进累加取平均算法和旋转搜索算法,采用改进跟踪搜索算法进行目标搜索,提出智能组合算法思想.实验测试系统达到30帧/s处理速度,目标搜索准确性达到95%以上.