足球机器人视觉子系统的研究与改进

简要概括了足球机器人系统的视觉结构框架,对视觉系统的关键技术进行了介绍,为了提高足球机器人图像处理的速度与精度,在分析了RGB彩色空间模型的优缺点后,提出基于分区的自适应RGB阈值的彩色空间模型,用该分割方法进行图像处理,提高了整个系统的适应性,使系统的鲁棒性得到了增强。     

TSR-1型微型足球机器人视觉系统的研究

为了提高足球机器人图像处理的速度与精度，在分析了RGB彩色空间模型的优缺点后，提出采用HSI彩色空间模型进行图像处理，并根据足球机器人比赛的实际情况对HSI彩色空间模型做了相应的改进。此外，在综合分析常用的目标搜索方法基础上，提出了一种基于连续图像相关性的顺序网格和种子填充相结合的目标搜索方法，通过在微型足球机器人视觉系统上的应用表明，基于改进的HSI彩色空间模型的新目标搜索方法使系统可靠性和实时性得到了相当大的提高。     

集控式足球机器人视觉子系统的关键技术

简要概括了NewNEU足球机器人系统的视觉结构框架,对视觉系统的关键技术进行了详细介绍·关键技术包括图像矫正,图像分割和辨识算法·通过投影矫正和几何矫正,克服了成像系统本身存在的图像形变问题·根据足球机器人系统的特点,选择HSV颜色模型,用来构造分色器和建立颜色信息库,实现对图像目标的分割·讨论了各种色标设计方案,提出一种抗干扰性较强的色标设计方案,并给出了相应的辨识算法·     

自主足球机器人视觉系统结构及关键技术

提出了自主足球机器人嵌入式多处理器体系结构以及视觉系统的构成框架.对单目视觉系统所涉及的关键技术进行了详细的分析和研究,其中包括图像分割、目标搜索算法、目标定位和机器人自定位技术.基于YUV颜色空间,对目标进行分割,并通过连通区合并来快速搜索目标,同时根据摄像机模型来确定目标的空间位置.实验表明分布式视觉体现结构能够实时准确地完成视觉处理任务.以上新算法可以快速鲁棒地搜索图像目标,并能较精确地确定目标的位置信息和机器人的自定位信息.     

足球机器人视觉系统中彩色目标分割方法

足球机器人(MiroSot系列)仅依赖于其视觉系统获得比赛场上的信息.视觉系统对获取的小车顶部标志块的彩色图像进行处理,以识别小车信息.作者试验了3种彩色标志块的设置,并在第1种方案的基础上研究了一种快速彩色目标分割方法,即根据足球机器人视觉系统所处理的视频图像中,待识别的目标区域(前景)面积远小于其他区域(背景)的面积,运用一种基于全局扫描的快速算法,1次分割出所有感兴趣的目标,缩减了系统中目标识别时间,从而使系统能进行一些额外的图像预处理操作,在提高系统识别速度的同时,提高识别精度.     

磁锚定手术机器人视觉伺服系统研究

针对磁锚定手术机器人的同时具有转动关节和移动关节机械臂的运动特点,提出了一种基于图像的视觉伺服系统.首先建立了系统的成像模型,并求解出图像雅可比矩阵.然后建立了机器人的运动学模型,并求解出机器人雅可比矩阵.机器人在二维平面内运动,图像空间的维数与运动空间的维数相同,总的雅可比矩阵是非奇异的.为了简化视觉控制器的设计难度,反馈控制器采用PI图像控制器,同时还可克服系统的静差.最后对建立的视觉伺服系统进行Matlab仿真,结果验证了提出方案的可行性.     

融合彩色模型空间的非线性低照度图像增强

低照度图像存在图像整体亮度偏低、亮度不均匀、色彩饱和度过高、图像模糊等问题,针对此类问题,提出了一种融合彩色模型空间的低照度图像增强算法。在该算法中,将图像的亮度增强与图像色彩恢复转换至不同的彩色模型空间分别进行处理:在RGB彩色模型空间中,首先对图像的高灰度级进行预处理,随后进行滤波处理,最后再用三分量增强函数对图像进行亮度恢复;在HSV彩色模型空间中,利用非线性色彩饱和度校正函数与亮度增强函数进行图像的色彩恢复,最后将两个空间中的处理结果进行加权融合。最终的对比实验结果表明,该方法在避免图像出现过度增强、色彩恢复与图像照度增强方面有着良好的效果,所处理的图像符合人眼视觉特性。     

视觉伺服移动机器人中的图像处理研究

从机器人彩色视觉形成机理入手 ,分析了影响视觉的主要因素 ,包括光照条件与成像元件等 ,设计了一种基于知识融合的视觉图像处理方法 ,将其应用于机器人彩色视觉后 ,增加了机器人视觉系统的鲁棒性 .该方法可以在环境光场有变化或光场分布不均匀的情况下 ,快速、准确地计算出移动机器人的位置与姿态 ,定位误差不超过 4× 4像素点 ,角度误差在± 2 .视觉伺服移动机器人中的图像处理研究@庄健$西安交通大学机械工程学院!710049,西安 @王孙安$西安交通大学机械工程学院!710049,西安     

基于图像处理的清扫机器人视觉系统

清扫机器人是通过采集的图像对物体进行识别,并将必要的资料传给机器人手臂,进而移动手臂抓取目标物。为了实现机器人的视觉系统就要对采集的图片进行数字处理,然后用直方图修整法进行图像增强,再利用改进了的矩不变法进行图像分割,最后进行特征提取来获得需要的图像。该系统对一些实用的图像处理方法进行了有效的综合,使其形成了功能较全面的机器人视觉图像处理系统。     

颜色空间的感知均匀性评价及其在图像处理中的应用

针对以感知为基础的彩色图像处理中涉及的小色差图像数据的处理,本文选择6幅常用的不同类型和不同色彩的图像并对它们实施明度、彩度、色相角等变换,针对变换后的图像色差进行了心理物理学视觉评价实验。根据视觉实验数据,用对小色差数据具有较好评价能力的基于CIELAB颜色空间的CIEDE2000色差公式、基于CIECAM02色貌模型的CAM02-SCD方法、基于图像的S-CIELAB模型、基于IPT颜色空间的色差计算方法和基于LAB2000HL的颜色空间进行了性能测试和分析评价。最后分析了不同的感知均匀颜色空间在不同图像处理中的应用特点。