智能足球機(jī)器人系統(tǒng)智能中型足球機(jī)器人的軟體結(jié)構(gòu)課件

目錄2022/12/221目錄2022/12/19110.1智能中型足球機(jī)器人視覺子系統(tǒng)2022/12/222智能中型足球機(jī)器人視覺系統(tǒng)的硬件配置1. 全景視覺系統(tǒng)在足球機(jī)器人的攝像機(jī)是最重要的傳感器，它的重要性就相當(dāng)于眼睛對(duì)于人。在Robocup中型組比賽中，機(jī)器人普遍采用全景視覺系統(tǒng)。它由一個(gè)攝像機(jī)和一個(gè)反射鏡組成，見圖10.1。反射鏡裝在機(jī)器人頂部，鏡面向下，攝像機(jī)朝上正對(duì)著反射鏡。攝像機(jī)得到的是帶有畸變的俯視圖，顯示了機(jī)器人周圍360度的情況。這和人不一樣，因?yàn)槿送ǔ２荒芸吹缴砗?，除非把頭轉(zhuǎn)過去。圖10.2是這種配置的視覺系統(tǒng)獲得的一張典型圖像?？梢钥闯鏊鼛в袊?yán)重的畸變，圖像中間的黑色區(qū)域代表機(jī)器人自身，黑色區(qū)域的中心代表了機(jī)器人的中心。10.1智能中型足球機(jī)器人視覺子系統(tǒng)2022/12/192智全景視覺系統(tǒng)例子2022/12/223某機(jī)器人的視覺系統(tǒng)的硬件配置一張典型的全景視覺系統(tǒng)拍攝的圖片全景視覺系統(tǒng)例子2022/12/193某機(jī)器人的視覺系統(tǒng)的硬多攝像頭的視覺系統(tǒng)2022/12/224全景視覺的目標(biāo)識(shí)別有其缺陷，特別是對(duì)球的識(shí)別。根據(jù)RoboCup中型組的比賽規(guī)則，機(jī)器人的高度不能高于80cm，因此從全景鏡中就不能識(shí)別到高于80cm的物體。而在智能中型足球機(jī)器人比賽中常常會(huì)有挑起的球高于機(jī)器人的情況。有很多參賽隊(duì)為解決這個(gè)問題，提出了一些方案。比如中國(guó)國(guó)防科技大學(xué)的獵豹機(jī)器人上裝有兩套視覺系統(tǒng)：一套全向視覺系統(tǒng)和一個(gè)廉價(jià)的網(wǎng)絡(luò)攝像頭加裝廣角鏡頭構(gòu)成的前向視覺系統(tǒng)。荷蘭TechUnited隊(duì)使用一個(gè)工業(yè)智能攝像機(jī)作為前向攝像機(jī)，主要實(shí)現(xiàn)球的輔助識(shí)別與定位作用。當(dāng)球速達(dá)到10m/秒時(shí)，一個(gè)工作于25幀每秒（fps）的全景攝像機(jī)是不能完成這個(gè)識(shí)別任務(wù)的，他們使用的攝像機(jī)是高速的工業(yè)攝像機(jī)系統(tǒng)，可以工作在高達(dá)200fps。要處理200fps，640X480分辨率的實(shí)時(shí)圖像，如果由PC機(jī)來完成，無論對(duì)于傳輸還是處理都是極難實(shí)現(xiàn)的。荷蘭隊(duì)選用TheVisionComponentsVC4458攝像機(jī)(最高242fps@640x480pixels)，具有板載處理能力，所有的圖像處理和識(shí)別都在智能攝像機(jī)內(nèi)部完成，攝像機(jī)和主機(jī)通信的內(nèi)容只有球的位置和球速。多攝像頭的視覺系統(tǒng)2022/12/194全景鏡曲線2022/12/225

目前，具有全景視覺機(jī)器人中廣泛使用的全景鏡面主要是雙曲線鏡面，通過攝像機(jī)采集到的圖像具有全景水平視角，使機(jī)器人能夠獲取全景圖像。該類全景數(shù)學(xué)模型簡(jiǎn)單，但得到的圖像存在嚴(yán)重的失真，尤其距離機(jī)器人遠(yuǎn)處的圖像畸變很大，直接造成識(shí)別場(chǎng)上標(biāo)志線或球等目標(biāo)的困難。通過使用組合全景鏡面，可以克服現(xiàn)有全景鏡面得到的圖像失真嚴(yán)重的不足。組合全景鏡面的第一段曲線保證了在一定距離范圍內(nèi)水平場(chǎng)地上的點(diǎn)和圖像上的像素點(diǎn)具有指數(shù)函數(shù)關(guān)系；組合鏡面第二段曲線是一段圓弧，保證了在距離較遠(yuǎn)處能夠看到一定高度的物體。這種構(gòu)造的鏡面能夠很大程度地減小圖像失真的情況。全景鏡曲線2022/12/195 目前，具有全景視覺機(jī)器人中通過雙曲線鏡面獲得的圖像2022/12/226通過雙曲線鏡面獲得的圖像2022/12/196分段組合全景鏡面曲線2022/12/227分段組合全景鏡面曲線2022/12/197視覺系統(tǒng)基本信息的提取2022/12/228視覺系統(tǒng)基本信息的提取2022/12/198視覺系統(tǒng)的坐標(biāo)系2022/12/229在闡述視覺系統(tǒng)之前，首先定義系統(tǒng)使用的3個(gè)三個(gè)坐標(biāo)系：圖像坐標(biāo)系，機(jī)器人坐標(biāo)系，全局坐標(biāo)系。這3個(gè)坐標(biāo)系貫穿了整個(gè)視覺系統(tǒng)的始末。其中，機(jī)器人坐標(biāo)系和全局坐標(biāo)系，更是貫穿了機(jī)器人的整個(gè)軟件系統(tǒng)（包括視覺系統(tǒng)，決策系統(tǒng)，通訊系統(tǒng)）。圖像坐標(biāo)系I(x，y)：x和y表示像素位。機(jī)器人坐標(biāo)系L(x，y)：這個(gè)坐標(biāo)系建立在機(jī)器人的視角上。它的原點(diǎn)就是機(jī)器人中心。Y軸指向了機(jī)器人的正前方(見圖10.10)。這個(gè)坐標(biāo)系也稱為實(shí)際坐標(biāo)系。全局坐標(biāo)系G(x，y)：這個(gè)坐標(biāo)系用來表明機(jī)器人的位置。它的原點(diǎn)為球場(chǎng)的中心。(見圖10.10)圖10.9定義了圖像坐標(biāo)系，機(jī)器人就是圖像中央的黑色區(qū)域，該區(qū)域的中心不一定是圖像的正中心，但黑色區(qū)域的中心點(diǎn)C對(duì)應(yīng)的是機(jī)器人的中心，這里稱其為圖像中心。原點(diǎn)在圖像的左上角，圖像中央黑色區(qū)域的中心是機(jī)器人的中心位置。視覺系統(tǒng)的坐標(biāo)系2022/12/199在闡述視覺系統(tǒng)之前，首三個(gè)坐標(biāo)系圖示2022/12/2210圖像坐標(biāo)系原點(diǎn)在圖像的左上角，圖像中央黑色區(qū)域的中心是機(jī)器人的中心位置。機(jī)器人坐標(biāo)系和全局坐標(biāo)系

三個(gè)坐標(biāo)系圖示2022/12/1910圖像坐標(biāo)系機(jī)器人坐標(biāo)系距離函數(shù)和反距離函數(shù)2022/12/2211全景視覺系統(tǒng)獲得的圖像通常帶有不同程度的畸變，如圖10.9，需要進(jìn)行有效的校正。于是引出一個(gè)問題，例如，距離圖像中心200個(gè)像素的點(diǎn)所對(duì)應(yīng)（投影）的地面上的點(diǎn)與機(jī)器人的距離是多少（這里認(rèn)為是地面上的一點(diǎn)，而不是一個(gè)具體的物體上的一點(diǎn)，因?yàn)槲矬w具有高度，判斷物體的位置是一個(gè)三維問題，單目視覺本質(zhì)上只能解決二維問題，在本系統(tǒng)中計(jì)算物體的距離都是通過該物體與地面的接觸點(diǎn)把問題簡(jiǎn)化成二維的）。在圖像處理之前，必須得到一個(gè)重要的函數(shù)，這個(gè)函數(shù)的輸入是圖像上與圖像中心的像素距離r，輸出是機(jī)器人與這個(gè)像素對(duì)應(yīng)實(shí)際位置的實(shí)際距離R，即R=F(r)。這里把它稱為距離函數(shù)，標(biāo)定視覺系統(tǒng)的含義就是獲得距離函數(shù)，即把像素坐標(biāo)轉(zhuǎn)換成實(shí)際坐標(biāo)。距離函數(shù)只對(duì)同一高度有效。有了它，才能實(shí)現(xiàn)測(cè)量物體與離機(jī)器人的距離，實(shí)現(xiàn)定位。距離函數(shù)使實(shí)現(xiàn)整個(gè)視覺系統(tǒng)成為可能。距離函數(shù)的獲得方法可以是手動(dòng)測(cè)量的，也可以是自動(dòng)的。距離函數(shù)的反函數(shù)被稱為反距離函數(shù)r。r=G(R)；（10.18）G是F的反函數(shù)。該函數(shù)主要被用來計(jì)算處在場(chǎng)地的邊界的像素位置，但需要機(jī)器人首先完成自定位。在綠色場(chǎng)地的自動(dòng)標(biāo)定和識(shí)別球的過程中，反距離函數(shù)有著極其重要的作用。距離函數(shù)和反距離函數(shù)2022/12/1911全景視覺系統(tǒng)獲得坐標(biāo)轉(zhuǎn)換2022/12/2212在高度為0的情況下，圖像坐標(biāo)系和機(jī)器人坐標(biāo)系是可以互相轉(zhuǎn)化的，轉(zhuǎn)化的中介就是距離函數(shù)以及反距離函數(shù)，假設(shè)圖像坐標(biāo)系中的一點(diǎn)(x，y)，要計(jì)算它在地面上的投影的坐標(biāo)(機(jī)器人坐標(biāo)系下的坐標(biāo))，圖像中心的坐標(biāo)為(xc，yc)。當(dāng)從圖像坐標(biāo)系轉(zhuǎn)化成機(jī)器人坐標(biāo)系時(shí)，先通過距離函數(shù)計(jì)算實(shí)際距離，然后再計(jì)算角度，計(jì)算角度的公式取決于攝像機(jī)相對(duì)于機(jī)器人的裝配方向。這樣，得到了實(shí)際距離和實(shí)際角度就可以計(jì)算實(shí)際坐標(biāo)，即機(jī)器人坐標(biāo)系下的坐標(biāo)。如果要從實(shí)際坐標(biāo)轉(zhuǎn)成圖像坐標(biāo)，就執(zhí)行相反的過程。實(shí)際坐標(biāo)和全局坐標(biāo)的轉(zhuǎn)化以自定位為中介。定位不成功將導(dǎo)致轉(zhuǎn)化失去原有的意義。圖像坐標(biāo)不能直接和全局坐標(biāo)相互轉(zhuǎn)換，要以實(shí)際坐標(biāo)為中介。坐標(biāo)轉(zhuǎn)換2022/12/1912在高度為0的情況下，圖像坐標(biāo)無信息區(qū)的標(biāo)定2022/12/2213無支撐柱的機(jī)器人的全景視覺系統(tǒng)得到的圖像，它的全景鏡通常是由透明材料制作成的筒狀支撐架與攝像機(jī)聯(lián)接裝配，因此在生成圖像時(shí)不會(huì)有和圖像無關(guān)的支撐柱信息存在，得到的是一個(gè)完整的全景視覺圖像。有支柱的機(jī)器人的全景視覺系統(tǒng)得到的圖像，它的中央和四周存在黑色區(qū)域，不反應(yīng)機(jī)器人四周的情況，如果在進(jìn)行信息提取的時(shí)候，屏蔽這些區(qū)域，就可減少干擾和不必要的CPU負(fù)擔(dān)。為了屏蔽這些無信息區(qū)，需要建立一張查找表，對(duì)于一個(gè)像素，通過該表可以查到此像素是否處在無信息區(qū)內(nèi)，如果處在無信息區(qū)內(nèi)，算法就跳過，不進(jìn)行信息提取操作。無信息區(qū)的標(biāo)定2022/12/1913無支撐柱的機(jī)器人的全景無信息區(qū)圖示2022/12/2214無支柱的全景視覺系統(tǒng)圖像全景鏡的三根支撐柱遮擋了“視線”，增加了無用區(qū)域自動(dòng)無信息區(qū)標(biāo)定結(jié)果無信息區(qū)圖示2022/12/1914無支柱的全景視覺系統(tǒng)圖像顏色定義——構(gòu)建顏色查找表2022/12/2215在視覺系統(tǒng)工作之前先要對(duì)顏色進(jìn)行定義，即什么是綠色（場(chǎng)地顏色），什么是黑色（機(jī)器人顏色），什么是橙紅色（足球顏色）。定義方法可以分為兩類，第一類使用閾值，例如對(duì)于顏色空間RGB，把R>200，G<100，B<100同時(shí)成立的顏色定義為紅色。第二類是建立顏色查找表，表中條目數(shù)等于可能出現(xiàn)的顏色值的數(shù)量（即RGB能夠組成的所有組合的數(shù)量，對(duì)于大多數(shù)的計(jì)算機(jī)為256×256×256），條目的內(nèi)容是該顏色值對(duì)應(yīng)的顏色（例如綠色）代碼形式的表示，通過顏色查找表可以查出任何一個(gè)顏色值屬于或者不屬于某顏色。對(duì)比閾值法，使用顏色查找表對(duì)定義顏色得到的結(jié)果更加精細(xì)。顏色定義——構(gòu)建顏色查找表2022/12/1915在視覺系統(tǒng)視覺標(biāo)定2022/12/2216（a）相似顏色的擴(kuò)散(b)把(a)中區(qū)域內(nèi)的顏色定義為綠色的標(biāo)定結(jié)果（c）標(biāo)定完成后的結(jié)果視覺標(biāo)定2022/12/1916（a）相似顏色的擴(kuò)散(b)色塊提取與跟蹤2022/12/2217定義顏色查找表后，就可確定某個(gè)像素否是綠色（場(chǎng)地顏色），但是這些綠色點(diǎn)只是一個(gè)一個(gè)像素，程序并沒把它們連接成區(qū)域。區(qū)域是由相似顏色組成的色塊。表示區(qū)域最精確的辦法是獲得它的輪廓。獲得這些輪廓通常要耗費(fèi)較大的CPU資源，如擴(kuò)散算法。在某些場(chǎng)合下，不需要獲得精確的輪廓，但是需要更高的速度，應(yīng)用在這種場(chǎng)合下的算法的一個(gè)典型代表是CMU的算法，該方法得到的是框定一個(gè)區(qū)域的最小矩形，并且這個(gè)矩形是不允許旋轉(zhuǎn)的，輪廓的信息被丟棄。這里介紹一種基于RegionTracker精確的區(qū)域輪廓獲得方法，該方法由FelixvonHundelshausen開發(fā)并首先使用在足球機(jī)器人上。它不但能得到精確的邊界，而且非常迅速。因?yàn)橐曈X系統(tǒng)得到的是連續(xù)圖像，任意前后兩幀圖像都是很接近的，所以除了在初始時(shí)需要色塊提取外，在大多時(shí)間內(nèi)可以把問題歸結(jié)于跟蹤，跟蹤通常是比較省時(shí)的。色塊提取與跟蹤2022/12/1917RegionTracker算法2022/12/2218RegionTracker算法的基礎(chǔ)是擴(kuò)散算法。擴(kuò)散算法需要一個(gè)或者一批符合某種要求（如顏色）的種子點(diǎn)，一張和圖像大小相同的布爾變量表來標(biāo)記圖像中的所有像素點(diǎn)是否已經(jīng)包含在所提取的區(qū)域內(nèi)，這張表某個(gè)位置上為“否”，表示該位置對(duì)應(yīng)的像素點(diǎn)不在區(qū)域內(nèi)，“是”表示在區(qū)域內(nèi)，初始化時(shí)，表中對(duì)應(yīng)種子所在位置的布爾變量置為是，其他都為否，表示只有種子在區(qū)域內(nèi)，通過擴(kuò)散，將把一些符合要求的點(diǎn)標(biāo)記為在區(qū)域內(nèi)。擴(kuò)散算法從種子向鄰近點(diǎn)（上下左右的緊鄰著的像素）擴(kuò)散，判斷是否應(yīng)該擴(kuò)散某個(gè)緊鄰的像素點(diǎn)需要兩個(gè)條件，第一：顏色值屬于要求的顏色，二：被標(biāo)記為在當(dāng)前提取的區(qū)域之外。這兩個(gè)條件符合時(shí)，把該像素標(biāo)記為處于正在當(dāng)前提取的區(qū)域內(nèi)，并且作為進(jìn)一步擴(kuò)散的“根據(jù)地”，進(jìn)一步向外擴(kuò)散。當(dāng)算法擴(kuò)散到不可擴(kuò)散時(shí)，輪廓就形成了。用一個(gè)數(shù)組來記錄輪廓上的點(diǎn)，以及一張包含他們之間連接信息的表。由于兩幅連續(xù)的圖片中色塊變化不大，如圖10.16中的區(qū)域A和區(qū)域B，區(qū)域A表示前一幀的某個(gè)色塊（物體），區(qū)域B表示緊接著的后一幀的同一色塊。這兩個(gè)色塊常常有一大片交集，在RegionTracker中交集就是可以大加利用的對(duì)象。RegionTracker算法2022/12/1918Re對(duì)綠色場(chǎng)地實(shí)行色塊提取的結(jié)果，藍(lán)色線條為綠色區(qū)域的輪廓。2022/12/2219對(duì)綠色場(chǎng)地實(shí)行色塊提取的結(jié)果，藍(lán)色線條為綠色區(qū)域的輪廓。20候選種子2022/12/2220候選種子2022/12/1920場(chǎng)地白線的識(shí)別2022/12/2221場(chǎng)地上白色標(biāo)線是機(jī)器人實(shí)現(xiàn)自定位的前提條件，在場(chǎng)地輪廓的基礎(chǔ)上，很容易得到白線點(diǎn)。對(duì)于輪廓上任何一點(diǎn)，可以求得通過這點(diǎn)且垂直于輪廓的法線，在法線上往往存在著白線點(diǎn)。白線的特點(diǎn)是具有很高的亮度，并且白線兩邊通常是綠色（場(chǎng)地）。算法首先以場(chǎng)地輪廓為起點(diǎn)，沿法線收縮亮度高的像素點(diǎn)，找到以后再以這個(gè)高亮度點(diǎn)為中心，沿法線搜尋兩邊是否是綠色，即先搜尋白色，如果收縮到白線點(diǎn)則搜尋兩邊的綠色，這兩次搜尋都是在一個(gè)小范圍內(nèi)進(jìn)行的，保證了離輪廓點(diǎn)比較近。檢測(cè)白線的結(jié)果如圖10.19，圖中展示的是檢測(cè)白線的原理，以亮度高的點(diǎn)為起點(diǎn)，法線方向?yàn)樗褜し较?，去?yàn)證兩邊是否為綠色，如果都是綠色則認(rèn)為是白線點(diǎn)。圖中檢測(cè)線中點(diǎn)標(biāo)記過白點(diǎn)的是算法認(rèn)為的白線點(diǎn)，沒有標(biāo)記白點(diǎn)的檢測(cè)線系統(tǒng)認(rèn)為該中點(diǎn)不是白線點(diǎn)。可以看到有些線是白線，但系統(tǒng)沒有認(rèn)為它們是白線，球中有一點(diǎn)卻被標(biāo)記為白線了，因?yàn)榉蠙z測(cè)原則，中間亮度高，兩邊是綠色。場(chǎng)地白線的識(shí)別2022/12/1921檢測(cè)白線2022/12/2222檢測(cè)白線2022/12/19222022/12/2223射線檢測(cè)白線點(diǎn)2022/12/1923射線檢測(cè)白線點(diǎn)類球點(diǎn)和類障礙點(diǎn)的提取2022/12/2224對(duì)球的顏色使用閾值法定義，使用顏色亮度分離的HSV顏色空間，該空間對(duì)調(diào)整閾值比較有利。不需要把球的顏色包括得很全面，這些類球點(diǎn)的作用只是指明了這個(gè)位置可能有球，具體是否是球需要做精細(xì)的判斷，所以即使閾值的范圍比較小是不影響識(shí)別球的，而如果把閾值的范圍比較大會(huì)增加干擾，使得算法必須在更多位置進(jìn)行精細(xì)的判斷。檢測(cè)類球點(diǎn)使用類似于白線點(diǎn)檢測(cè)的方法，只不過這次只要在場(chǎng)地輪廓為起點(diǎn)的法線上存在符合閾值定義的點(diǎn)以后就認(rèn)為是類球點(diǎn)，法線不能過長(zhǎng)，以保證在場(chǎng)地綠色輪廓附近。類球點(diǎn)的檢測(cè)結(jié)果見圖10.21，正紅色為檢測(cè)到的類球點(diǎn)。提取類障礙點(diǎn)的目的是產(chǎn)生種子，為RegionTracker識(shí)別障礙物服務(wù)。障礙的亮度很低，因?yàn)橐?guī)則規(guī)定它為黑色，所以系統(tǒng)就以亮度為判別標(biāo)準(zhǔn)。亮度低的為類球點(diǎn)。其檢測(cè)過程和檢測(cè)類球點(diǎn)一致。類球點(diǎn)和類障礙點(diǎn)的提取2022/12/1924目標(biāo)檢測(cè)與識(shí)別2022/12/2225前面詳細(xì)介紹了圖像信息的提取，其中包括白線點(diǎn)提取、類障礙物點(diǎn)提取、類球點(diǎn)提取，其中白線點(diǎn)提取是為機(jī)器人自定位服務(wù)，類障礙物點(diǎn)與類球點(diǎn)提取是為識(shí)別障礙物和識(shí)別球服務(wù)。識(shí)別障礙物和球都屬于機(jī)器視覺檢測(cè)中的目標(biāo)檢測(cè)與識(shí)別。1) 障礙物的識(shí)別在球場(chǎng)上，機(jī)器人的周圍有各種障礙物，如隊(duì)友機(jī)器人，對(duì)方機(jī)器人，甚至人類裁判等，并且這些障礙物的位置常常是不斷變化的。機(jī)器人在場(chǎng)上移動(dòng)，首要的原則是不能與這些障礙物發(fā)生碰撞，更高的要求是能在這樣一個(gè)動(dòng)態(tài)的障礙環(huán)境中找到一個(gè)最優(yōu)的路徑到達(dá)目標(biāo)地點(diǎn)，甚至能夠在帶球的情況下繞過障礙物，完成帶球突破這一技術(shù)目標(biāo)。完成這些任務(wù)的最基本的前提是有一種有效的穩(wěn)定的實(shí)時(shí)的障礙物識(shí)別方法。常用的障礙物識(shí)別方法視傳感器的種類而異，這里只介紹基于圖像傳感器，即攝像頭的識(shí)別方法。系統(tǒng)使用RegionTracker作為識(shí)別障礙物的主要工具。把類球點(diǎn)作為種子，用RegionTracker獲得黑色色塊的邊界，區(qū)域面積的就不能認(rèn)作障礙。識(shí)別效果見圖10.22，紅白點(diǎn)標(biāo)記了障礙和地面的接觸點(diǎn)，該點(diǎn)決定了障礙物離機(jī)器人的距離，兩條紅線標(biāo)出了障礙所占據(jù)的角度，這在機(jī)器人的避障和射門中十分有用。避障要求機(jī)器人的行動(dòng)方向不能在這個(gè)角度內(nèi)，射門要求機(jī)器人的瞄準(zhǔn)方向不能在這個(gè)角度內(nèi)。圖中顯示的是穿黑色衣服的研究人員。除了這個(gè)區(qū)域的黑色以外，還有很多其他的黑色，因?yàn)樗麄兲幱跓o信息區(qū)，或者在場(chǎng)地以外，算法就不去考慮這些場(chǎng)外信息了。圖中還有兩個(gè)小區(qū)域被藍(lán)色包圍，但是他們沒有紅白標(biāo)記，因?yàn)樗鼈兠娣e過小，算法不認(rèn)為這是障礙。這兩塊黑色區(qū)域原本屬于一個(gè)大的黑色塊，但是RegionTracker沒有把這塊大色塊標(biāo)記進(jìn)去，因?yàn)樗麄冊(cè)趫?chǎng)地以外，系統(tǒng)對(duì)RegionTracker使用一個(gè)特殊的限制，如果要擴(kuò)散到場(chǎng)外，算法就限制住它。辨別物體是否在場(chǎng)外，需要自定位技術(shù)，和全局坐標(biāo)映射到圖像坐標(biāo)的方法。目標(biāo)檢測(cè)與識(shí)別2022/12/1925前面詳細(xì)介紹了圖像信息國(guó)防科技大學(xué)開發(fā)的基于射線掃描方式提取黑色障礙物的算法2022/12/2226國(guó)防科技大學(xué)開發(fā)的基于射線掃描方式提取黑色障礙物的算法202識(shí)別障礙物2022/12/2227識(shí)別障礙物2022/12/1927球識(shí)別2022/12/2228(1) 橘紅色球識(shí)別同自定位一樣，檢測(cè)球也是從提取輪廓開始。首先用RegionTracker提取圖像輪廓，再搜索非場(chǎng)地的區(qū)域中的類球點(diǎn)。對(duì)于特定顏色球的識(shí)別，類球點(diǎn)比較容易獲取。顏色就是球的特征，這里定義一個(gè)顏色空間的區(qū)間，如對(duì)于HSV顏色空間，不妨取5<H<35且180<S<230的顏色像素點(diǎn)為類球點(diǎn)。如果某一個(gè)區(qū)域中的類球點(diǎn)占整個(gè)區(qū)域的像素點(diǎn)的總數(shù)的比例超過預(yù)先定義的閾值，則再將這些點(diǎn)聚合在一起，放在一個(gè)矩形檢測(cè)框內(nèi)。在該框內(nèi)將圖像二值化，對(duì)這些點(diǎn)群提取邊線，再用橢圓去擬合邊界來判斷是否是球。對(duì)球的判斷的準(zhǔn)確性有一個(gè)指標(biāo)，稱為相似度，相似度可以由三個(gè)權(quán)重來度量：近似橢圓的程度，類球點(diǎn)數(shù)與所在輪廓的所有點(diǎn)數(shù)之比，檢測(cè)輪廓的尺寸相近程度。球識(shí)別2022/12/1928類似于雙目攝像頭的多攝像頭的數(shù)據(jù)融合得到的空間點(diǎn)云數(shù)據(jù)，反應(yīng)球在三維空間中的位置2022/12/2229類似于雙目攝像頭的多攝像頭的數(shù)據(jù)融合得到的空間點(diǎn)云數(shù)據(jù)，反應(yīng)

任意顏色球識(shí)別2022/12/2230依靠顏色來識(shí)別球就意味著需要對(duì)顏色進(jìn)行分類，定義某些顏色為球的顏色，通常使用閾值顏色分類，或者通過顏色查找表確定顏色的分類。但是這些做法非常依賴于光線的變化，極不穩(wěn)定。如果換一個(gè)新的足球，即使光照不變，也需要重新對(duì)顏色進(jìn)行分類。為了克服這一缺點(diǎn)，必須以球的形狀為特征，來進(jìn)行識(shí)別。過去的幾年中，球形物體的識(shí)別成為了機(jī)器人足球的熱點(diǎn)，并且取得了一些突破，其中之一借鑒了P.Viola使用adaboost進(jìn)行人臉識(shí)別的方法。Adaboost用來獲得分類器，可以使很多分類功能并不好的分類器聯(lián)合組成一個(gè)分類性能好的分類器。為了把a(bǔ)daboost應(yīng)用在機(jī)器視覺中，還需要使用積分圖獲得Haar特征。算法先計(jì)算出Haar特征，然后生成許多原始的分類器，adaboost可以組合這些弱分類器，獲得一個(gè)強(qiáng)分類器。這提供了一個(gè)優(yōu)點(diǎn)，人們不用費(fèi)盡心思去選擇所識(shí)別模式相對(duì)于其他模式有什么特點(diǎn)，這種機(jī)器視覺方法適用于識(shí)別大多數(shù)物體。 任意顏色球識(shí)別2022/12/1930智能中型足球機(jī)器人的自定位2022/12/2231機(jī)器人自定位是移動(dòng)機(jī)器人的重要技能，是自動(dòng)導(dǎo)航的基礎(chǔ)。設(shè)想在室內(nèi)，機(jī)器人不知道自己的位置，而它又不具備識(shí)別障礙的能力，它在移動(dòng)的過程中就會(huì)撞到墻壁，因?yàn)椴恢雷约旱奈恢靡馕吨恢缐Ρ谟卸噙h(yuǎn)。定位的前提是要獲得已知的地圖，優(yōu)秀的機(jī)器人可以通過傳感器獲得周圍的幾何形狀，構(gòu)建地圖，然后使用定位算法得到自己的位置，進(jìn)而可以規(guī)劃路徑進(jìn)行導(dǎo)航了。足球機(jī)器人自主選擇路徑就是自動(dòng)導(dǎo)航，足球場(chǎng)就相當(dāng)于一個(gè)室內(nèi)環(huán)境，球場(chǎng)的邊界就相當(dāng)于墻壁。定位需要已知的地圖，場(chǎng)地是規(guī)則詳細(xì)規(guī)定的（已知的），這樣場(chǎng)地模型就是地圖。智能中型足球機(jī)器人的自定位2022/12/1931機(jī)器人自定自定位的研究背景2022/12/2232機(jī)器人自定位這個(gè)課題是機(jī)器人領(lǐng)域的熱門，人們已經(jīng)取得了一些研究成果。其中一個(gè)普遍使用的方法是利用MonteCarlo方法進(jìn)行定位，也稱粒子濾波定位算法。該算法的核心是計(jì)算機(jī)器人位置的概率分布。初始化時(shí)，通常先把機(jī)器人的位置認(rèn)為是在場(chǎng)地中均勻分布的，然后根據(jù)不斷接收到的傳感器信息，調(diào)整概率分布，最后達(dá)到收斂，機(jī)器人在某個(gè)位置概率接近1，這樣就定位成功了。之所以說這是粒子濾波是因?yàn)樗谟?jì)算概率密度函數(shù)時(shí)，把連續(xù)量離散化了，實(shí)際計(jì)算的是概率，不是概率密度。自定位的研究背景2022/12/1932機(jī)器人自定位這個(gè)課題自定位算法的基本原理2022/12/22331) 定位的目標(biāo)定位的目標(biāo)是取得機(jī)器人在全局坐標(biāo)系的坐標(biāo)和機(jī)器人的方向（x，y，θ），x，y是坐標(biāo)值，θ是機(jī)器人的正方向，一共三個(gè)量。2) 定位——模型匹配在論述了識(shí)別白線點(diǎn)的方法，但是這些白線點(diǎn)并不是在機(jī)器人坐標(biāo)中，而是在圖像坐標(biāo)系中，并且是帶有較大畸變的，需要把這些點(diǎn)轉(zhuǎn)化到機(jī)器人坐標(biāo)系中，該坐標(biāo)系以機(jī)器人為原點(diǎn)。此時(shí)如果把機(jī)器人和這些校正后的白線點(diǎn)看成一個(gè)系統(tǒng)，并且該系統(tǒng)通過平移和旋轉(zhuǎn)使系統(tǒng)中的白線點(diǎn)能夠和場(chǎng)地模型的白線匹配，就能夠?qū)崿F(xiàn)機(jī)器人的自定位功能。自定位算法的基本原理2022/12/1933校正后的白線點(diǎn)和場(chǎng)地模型匹配，紅色點(diǎn)為校正后的白線點(diǎn)2022/12/2234校正后的白線點(diǎn)和場(chǎng)地模型匹配，紅色點(diǎn)為校正后的白線點(diǎn)距離場(chǎng)（或稱距離查找表，匹配的評(píng)判工具）2022/12/2235距離場(chǎng)（或稱距離查找表，匹配的評(píng)判工具）2022/12/19虛擬力場(chǎng)2022/12/2236機(jī)器人和白線點(diǎn)組成的系統(tǒng)（以后就把這稱為“目標(biāo)系統(tǒng)”）需要通過平移、旋轉(zhuǎn)與場(chǎng)地模型相匹配。促使“目標(biāo)系統(tǒng)”移動(dòng)的是一個(gè)附帶在模型上的力場(chǎng)，不同于距離場(chǎng)，它是一個(gè)矢量場(chǎng)，“目標(biāo)系統(tǒng)”的每個(gè)白線點(diǎn)都受力，他們所受的合力的方向就是“目標(biāo)系統(tǒng)”平移的方向，平移的距離和受力成正比，這些力還會(huì)產(chǎn)生轉(zhuǎn)矩，“目標(biāo)系統(tǒng)”旋轉(zhuǎn)的方向就是轉(zhuǎn)矩引起的轉(zhuǎn)動(dòng)方向，旋轉(zhuǎn)角度的大小和轉(zhuǎn)矩成正比。計(jì)算轉(zhuǎn)矩的步驟是：計(jì)算白線點(diǎn)的質(zhì)心計(jì)算每個(gè)點(diǎn)受的力引起的轉(zhuǎn)矩求出這些轉(zhuǎn)矩的和虛擬力場(chǎng)2022/12/1936機(jī)器人和白線點(diǎn)組成的系統(tǒng)（以自定位算法的實(shí)現(xiàn)2022/12/2237機(jī)器人上一共配有兩個(gè)傳感器，即攝像機(jī)，電子羅盤。其中攝像機(jī)獲得的信息為自定位的主要依據(jù)。定位分兩種情況，第一種情況，機(jī)器人不知道自己在前一幀的位置（前一刻），例如在利用第一幀圖像定位時(shí)，機(jī)器人不知道剛才在哪里，因?yàn)槌绦虿艅倓傞_始。這種情況的定位是困難的，此時(shí)定位被稱為重新定位，因?yàn)檫@主要發(fā)生在前一幀定位失敗的情況下，需要耗費(fèi)大量CPU資源。重新定位的方法是一個(gè)遍歷的過程，方法如下：分別在x、y、θ三個(gè)量的定義域內(nèi)每隔一定的步進(jìn)取一個(gè)值，對(duì)以任意一組(x，y，θ)值（位置），假設(shè)機(jī)器人處在這個(gè)位置上，把白線點(diǎn)轉(zhuǎn)化成全局坐標(biāo)下的白線點(diǎn)，然后計(jì)算匹配誤差。針對(duì)的不同的(x，y，θ)可以得到不同的匹配誤差。取匹配最小的誤差，它所對(duì)應(yīng)的位置就最有可能是機(jī)器人的位置。這個(gè)過程實(shí)質(zhì)上遍歷場(chǎng)上每個(gè)可能的位置和方向，取匹配得最好的組合。但是這個(gè)遍歷過程是一個(gè)離散過程，離散的程度取決于步進(jìn)的長(zhǎng)度，如果步進(jìn)過長(zhǎng)，離散程度就高，得到的匹配誤差常常很大，如果步進(jìn)過小，匹配的次數(shù)就會(huì)過多，造成占用CPU資源過大。當(dāng)取得了一個(gè)最小匹配誤差時(shí)，并不代表定位成功了，因?yàn)檫@個(gè)定位結(jié)果只是非常粗略的，有時(shí)還不一定正確。需要使用Matrix算法使得匹配更精確。Matrix算法實(shí)際上是一個(gè)由粗到細(xì)的過程，它的輸入是粗略的定位結(jié)果（x，y，θ），輸出則是準(zhǔn)確的定位結(jié)果。假設(shè)輸入的定位粗略的結(jié)果（x，y，θ），然后使用迭代算法，算法具體如下：自定位算法的實(shí)現(xiàn)2022/12/1937機(jī)器人上一共配有兩個(gè)智能中型足球機(jī)器人比賽規(guī)則2022/12/2238RoboCup中型組機(jī)器人的比賽規(guī)則決定了智能中型足球在機(jī)器人要使用無線通訊。在RoboCup中型組中型組比賽中，有兩個(gè)裁判在賽場(chǎng)上主持裁決工作，一個(gè)是場(chǎng)地上的主裁判，他的工作是根據(jù)規(guī)則判定每個(gè)機(jī)器人的行為是否犯規(guī)，以及發(fā)出開球、暫停、進(jìn)球有效等指令。這些指令是以哨聲和話語發(fā)出的，但是場(chǎng)上的機(jī)器人并不能直接的了解他指令的意圖，這就需要另一個(gè)裁判，即副裁判的工作就是操作場(chǎng)邊的一臺(tái)裁判計(jì)算機(jī)，這臺(tái)計(jì)算機(jī)和雙方的服務(wù)器計(jì)算機(jī)相連，裁判計(jì)算機(jī)中安裝有裁判盒（RefereeBox）程序，這個(gè)程序的作用就是向雙方的服務(wù)計(jì)算機(jī)發(fā)送裁判指令（開始Stop、停止Start、邊線球Throwin等）。智能中型足球機(jī)器人比賽規(guī)則2022/12/193810.2智能中型足球機(jī)器人通信子系統(tǒng)2022/12/2239RoboCup中型組比賽示意圖10.2智能中型足球機(jī)器人通信子系統(tǒng)2022/12/19智能中型足球機(jī)器人服務(wù)機(jī)程序與機(jī)器人程序2022/12/2240雙方的服務(wù)計(jì)算機(jī)上通常運(yùn)行一個(gè)服務(wù)機(jī)程序，這個(gè)程序主要有兩個(gè)作用：一是將裁判盒發(fā)出的裁判指令實(shí)時(shí)可靠地發(fā)送給場(chǎng)上的機(jī)器人二是實(shí)時(shí)地監(jiān)視場(chǎng)上機(jī)器人的狀態(tài)，主要包括自定位的信息和識(shí)別球的信息場(chǎng)地上的每個(gè)機(jī)器之間也可以通訊，這些通訊不僅包括自定位信息和球位置信息，還包括球的識(shí)別率和球相對(duì)自己的一個(gè)相對(duì)位置信息。這里要注意的一點(diǎn)是服務(wù)機(jī)和機(jī)器人在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)上屬于同一子網(wǎng)中，服務(wù)機(jī)只是在比賽中起到看似“服務(wù)器”的功能，并不是網(wǎng)絡(luò)意義上的服務(wù)器。服務(wù)機(jī)和機(jī)器人是通過一個(gè)路由器連接的，路由器和機(jī)器人計(jì)算機(jī)是通過無線網(wǎng)絡(luò)IEEE802.11b/g完成信息互聯(lián)，無線連接，路由器和服務(wù)機(jī)是通過有線連接。事先需要給每臺(tái)機(jī)器人分配一個(gè)IP地址，而且服務(wù)器的地址必須是固定不變的。下面主要在智能中型足球機(jī)器人自身的角度來介紹這兩個(gè)通訊子系統(tǒng)智能中型足球機(jī)器人服務(wù)機(jī)程序與機(jī)器人程序2022/12/19機(jī)器人和服務(wù)機(jī)的通訊2022/12/2241機(jī)器人在場(chǎng)上通過視覺等傳感器能夠做到自定位和球識(shí)別，但是在比賽時(shí)或者調(diào)試的時(shí)候并不能直接知道機(jī)器人是否定位成功或者識(shí)別到球，抑或定位是否正確以及球識(shí)別是否準(zhǔn)確，如果要時(shí)時(shí)地去打開看機(jī)器人內(nèi)部的計(jì)算機(jī)勢(shì)必很麻煩以及很耗時(shí)，另外特別是針對(duì)視覺檢測(cè)為基礎(chǔ)的智能中型足球機(jī)器人，人為地接近會(huì)混亂其視野，造成某些顏色信息的丟失或者是干擾（如人穿著一件鮮紅的衣服或遮擋部分場(chǎng)地白線），造成不可避免的測(cè)不準(zhǔn)。因此可以利用無線通信遠(yuǎn)程地檢測(cè)這些信息通訊協(xié)議為了實(shí)現(xiàn)這一通訊，機(jī)器人要實(shí)時(shí)地發(fā)送各種信息給服務(wù)機(jī)，但是并不一定每一幀都發(fā)送，這樣會(huì)有不必要的數(shù)據(jù)通信量，因?yàn)榘l(fā)生的數(shù)據(jù)只是用來監(jiān)視，不妨選擇隔幾幀（如5幀）發(fā)送一次。這種通訊的協(xié)議通常是自定的。機(jī)器人和服務(wù)機(jī)的通訊2022/12/1941機(jī)器人之間的通訊2022/12/2242機(jī)器人之間的通訊和機(jī)器人與服務(wù)機(jī)之間的通訊內(nèi)容相似，但是意義不同。機(jī)器人之間通訊是為了實(shí)現(xiàn)信息共享，并且在這個(gè)信息的共享的基礎(chǔ)上實(shí)現(xiàn)一些基本的操作優(yōu)先與協(xié)作。這種信息的共享是實(shí)時(shí)的，即每一幀都要共享這些信息。這種信息的共享是非常有意義的。主循環(huán){….

告知所有其他機(jī)器人我的狀態(tài)；….}機(jī)器人之間的通訊2022/12/19422022/12/22431) 球位置信息在接受這三個(gè)信息之后，機(jī)器人會(huì)和自己通過視覺獲得的這些信息比較。一般來說，在光線比較好的環(huán)境中，離球比較近的機(jī)器人看到球的相似程度更加可信，那么其看到球的位置信息也更加可信，如果自己看到的球相似程度沒有對(duì)方高，則相信對(duì)方看到的球。這一點(diǎn)還有另外一個(gè)好處，并且這個(gè)好處對(duì)比賽而言是非常有實(shí)際意義的。如果一個(gè)機(jī)器人在后場(chǎng)，或者被很多其他機(jī)器人擋住視野，而無法看見球，那么它看到球的相似程度就是0，這樣任何一個(gè)看到球的隊(duì)友告訴它的信息都會(huì)被接受。自然而然地可以想象，全隊(duì)只要有一個(gè)隊(duì)員看得到球，那么全隊(duì)的隊(duì)友對(duì)球的位置都有一個(gè)把握。當(dāng)然這只是球位置信息共享的極端情況。2) 搶球的優(yōu)先級(jí)在球的位置信息共享之后，隨后會(huì)共享球相對(duì)自己的距離。這里將球的相對(duì)距離共享的意義在于，我們事先假定離球近的隊(duì)員去搶球成功率會(huì)更高，因?yàn)閳?chǎng)上的環(huán)境時(shí)刻在改變，如果讓距離比較遠(yuǎn)的隊(duì)員去搶球，勢(shì)必造成錯(cuò)失時(shí)機(jī)；而如果不設(shè)置搶球的優(yōu)先級(jí)，則勢(shì)必會(huì)造成哄搶的局面，不僅會(huì)影響進(jìn)攻的效果，也可能使得機(jī)器人在碰撞中造成損壞，這些損壞是不必要的，可以避免的。上述的優(yōu)先級(jí)設(shè)置以及運(yùn)行的機(jī)制，是一種默許機(jī)制，就是只接受數(shù)據(jù)信息，不接受指令信息，這一機(jī)制可以減少通訊數(shù)據(jù)量，緩解通訊信道的負(fù)擔(dān)，但是對(duì)發(fā)送與接受方的處理函數(shù)的編寫提出更高的要求。2022/12/19431) 球位置信息10.3智能中型足球機(jī)器人決策子系統(tǒng)2022/12/2244前兩節(jié)視覺子系統(tǒng)和通訊子系統(tǒng)，完成了智能中型足球機(jī)器人在場(chǎng)上需要獲取的所有信息的收集工作，這些工作都是為決策子系統(tǒng)服務(wù)的。決策系統(tǒng)在智能中型足球機(jī)器人系統(tǒng)中處于非常重要的地位，相當(dāng)于機(jī)器人的大腦。對(duì)于復(fù)雜的比賽，可能采取的策略大不相同，而對(duì)于智能中型足球機(jī)器人來說，它在場(chǎng)上的表現(xiàn)就是設(shè)計(jì)者的思想的重現(xiàn)。只要視力正常、腿腳靈便，這些運(yùn)動(dòng)員就會(huì)按照教練事先預(yù)定好的技術(shù)路線不偏不倚地正常發(fā)揮。而這個(gè)教練，就是我們決策子系統(tǒng)的軟件設(shè)計(jì)者。常用的智能控制系統(tǒng)包括Saridis在1977年提出的遞階智能控制系統(tǒng)，R：Brooks在1986年提出的基于行為的智能體系結(jié)構(gòu)和包含這兩種控制系統(tǒng)的各種混合式智能控制系統(tǒng)。但是，目前的各種機(jī)器人智能控制系統(tǒng)，主要針對(duì)單個(gè)機(jī)器人。機(jī)器人足球中型組為分布式多機(jī)器人系統(tǒng)，涉及到群體機(jī)器人智能控制，包括群體合作與對(duì)抗、群體協(xié)作和協(xié)調(diào)、多機(jī)器人角色分配等。在機(jī)器人足球賽中，不同隊(duì)伍的機(jī)器人群體之間的關(guān)系是對(duì)抗的。在不同場(chǎng)次的比賽中，對(duì)抗對(duì)象不一樣，不同隊(duì)伍的比賽風(fēng)格不同、戰(zhàn)術(shù)不同、單個(gè)機(jī)器人智能程度不同，機(jī)器人群體需要根據(jù)不同的對(duì)抗對(duì)象調(diào)整自身智能系統(tǒng)。10.3智能中型足球機(jī)器人決策子系統(tǒng)2022/12/19442022/12/2245決策子系統(tǒng)的特點(diǎn)是和人類足球的很多特性是相同的，是對(duì)人類足球的一種模仿。通過分析足球機(jī)器人的行為本質(zhì)，類比人類的足球或者其他運(yùn)動(dòng)的模式，我們不妨再將決策子系統(tǒng)做一個(gè)更細(xì)致的劃分。針對(duì)智能中型足球機(jī)器人，決策子系統(tǒng)可以劃分為能力層面和意識(shí)層面。所謂能力，就是一個(gè)機(jī)器人解決特定問題的技能，這種技能是簡(jiǎn)單的，特定的，并且它的實(shí)現(xiàn)是可靠的；所謂意識(shí)，就是機(jī)器人根據(jù)當(dāng)前的形勢(shì)作出的宏觀的總體的判斷，這個(gè)判斷會(huì)驅(qū)使機(jī)器人調(diào)用它的各種能力來達(dá)到最終目標(biāo)。簡(jiǎn)單地看待這兩個(gè)層面的關(guān)系，就好比一個(gè)人在街上走，他想去商店買東西，這是他的意識(shí)，而在路上會(huì)有行人，他不能撞到行人，也不能撞到樹木房子，他還要保持身體的平衡，這些都是能力。這些能力的集合完成他意識(shí)所要達(dá)到的目標(biāo)。意識(shí)決定做什么，能力決定怎么做。2022/12/1945決策子系統(tǒng)的特點(diǎn)是和人類足球的很多特智能中型足球機(jī)器人決策之能力2022/12/2246智能中型足球機(jī)器人和其他足球機(jī)器人一樣，要面對(duì)一些基本的問題，看到了球，如何去抓球，如何帶球，在場(chǎng)上移動(dòng)怎樣能繞過障礙等等。這些將被歸為能力層面要解決的問題?？梢韵胂螅@些是作為一個(gè)足球運(yùn)動(dòng)員的最基本的素質(zhì)。在人類足球中，這些能力甚至被歸為身體素質(zhì)，如果沒有這些能力，就不是一個(gè)合格的足球運(yùn)動(dòng)員。下面主要介紹三個(gè)基本能力：搶球、避障、帶球避障。智能中型足球機(jī)器人決策之能力2022/12/1946智能中型搶球2022/12/2247搶球，就是看到球去之后過去搶。在這里只考慮如何去搶球，無需考慮什么時(shí)候去搶或者是否去搶球。搶球需要的信息有球的相對(duì)位置信息、球的速度。將球放在機(jī)器人坐標(biāo)內(nèi)，假設(shè)球的位置在b點(diǎn)，球的速度為Vball

，搶球所需要的速度為Vout

。這里將搶球這一動(dòng)作再做簡(jiǎn)化，就是搶球的時(shí)候是不避障的，這樣因?yàn)榭紤]到搶球本身就是一種對(duì)抗性的動(dòng)作，搶球避障好比拳頭揮出去還不能打到人，加入避障是自相矛盾的。Vout=（Vball+ob）×k；（10.25）k為速度系數(shù)，即計(jì)算出來的向量是不能直接作為速度輸出的，要乘以一定的速度系數(shù)k。下面給出Vout

的計(jì)算流程：搶球2022/12/1947搶球，就是看到球去之后過去搶。在搶球速度矢量疊加示意圖2022/12/2248搶球速度矢量疊加示意圖2022/12/1948避障2022/12/2249避障，顧名思義就是避開障礙物。在球場(chǎng)上，機(jī)器人的周圍有各種障礙物，如隊(duì)友機(jī)器人，對(duì)方機(jī)器人，甚至人類裁判等，并且這些障礙物的位置常常是不斷變化的。機(jī)器人在場(chǎng)上移動(dòng)，首要的原則是不能與這些障礙物發(fā)生碰撞，更高的要求是能在這樣一個(gè)動(dòng)態(tài)的障礙環(huán)境中找到一個(gè)最優(yōu)的路徑到達(dá)目標(biāo)地點(diǎn)，甚至能夠在帶球的情況下繞過障礙物，完成帶球突破這一技術(shù)目標(biāo)。在視覺子系統(tǒng)中已經(jīng)詳細(xì)介紹了障礙物的檢測(cè)方法，現(xiàn)在假定障礙物的位置信息存放在一個(gè)表中，這一工作在視覺子系統(tǒng)中已經(jīng)完成。并且已知條件是機(jī)器人自己在全局的位置，以及目標(biāo)點(diǎn)在全局的位置。避障所作的工作就是找到一條最優(yōu)的路徑到達(dá)目標(biāo)位置。避障也稱為路徑規(guī)劃。在RoboCup中型組機(jī)器人中，和小型組機(jī)器人最大的不同是不能獲取到全局的障礙物信息，很多參賽隊(duì)都只能做局部的路徑規(guī)劃，即只規(guī)劃能看到的這一部分路徑，那些障礙物后面的看不到的部分不做規(guī)劃。目前最常用的方法是人工勢(shì)場(chǎng)法路徑規(guī)劃。避障2022/12/1949人工勢(shì)場(chǎng)避障算法2022/12/2250人工勢(shì)場(chǎng)避障算法2022/12/1950帶球避障2022/12/2251帶球避障是對(duì)避障算法的改進(jìn)，完成帶球到達(dá)目標(biāo)點(diǎn)這一動(dòng)作。帶球避障，需要做如下假定：假定已經(jīng)搶到球，有全局定位，有障礙物的位置信息表，以及帶球的目標(biāo)點(diǎn)。要同時(shí)滿足這四個(gè)條件才會(huì)啟發(fā)帶球避障程序運(yùn)行。帶球避障和移動(dòng)避障在算法上沒有本質(zhì)區(qū)別，都是使用人工勢(shì)場(chǎng)法計(jì)算出每一幀的將來速度。但是因?yàn)槭菐?，和前者?個(gè)區(qū)別：首先，帶球的時(shí)候球已經(jīng)和機(jī)器人在一起，可以看作是一個(gè)整體，視覺檢測(cè)必然會(huì)每一幀檢測(cè)到球，在這里球不再是需要規(guī)避的對(duì)象，因此不用將球加入障礙物信息表。其次，因?yàn)榍蚝蜋C(jī)器人是連為一體的，但是當(dāng)速度發(fā)生變化時(shí)，球可能會(huì)帶丟，我們希望的是讓機(jī)器人“抱”著球前進(jìn)，就是機(jī)器人圍繞球，以球?yàn)橹行男D(zhuǎn)，而不是以機(jī)器人自身為中心選擇。在常規(guī)的避障算法輸出速度之后，要將機(jī)器人為中心的旋轉(zhuǎn)角速度換算成以球?yàn)橹行木€速度疊加在原來的x方向速度上。假設(shè)輸出速度為（Vx0，Vy0，w0），輸出速度為（Vx，Vy，w），機(jī)器人中心和球心的距離為dVx=w0×d+Vx0；（10.27）Vy=Vy；（10.28）w=w0；（10.29）帶球避障2022/12/1951輸出速度的再處理，三角形為機(jī)器人俯視圖，圓形為假定已持有的球2022/12/2252輸出速度的再處理，三角形為機(jī)器人俯視圖，圓形為假定已持有的球智能中型足球機(jī)器人決策之意識(shí)層2022/12/2253智能中型足球機(jī)器人決策之意識(shí)層2022/12/1953隱式合作和顯式合作2022/12/2254機(jī)器人的合作可分為隱式地合作和顯式地合作，兩者的區(qū)別在于：隱式配合主要是體現(xiàn)在場(chǎng)上所有的機(jī)器人維護(hù)一個(gè)共同的世界模型，通過利用世界模型的信息來實(shí)現(xiàn)配合。以防守動(dòng)作為例，場(chǎng)上的所有隊(duì)員根據(jù)共享的世界模型中自身的位置，其他隊(duì)員的動(dòng)作和離球的距離來決定自己的防守動(dòng)作。隱式合作中，各機(jī)器人的地位平等。顯式合作是指合作機(jī)器人之間通過直接通信實(shí)現(xiàn)合作，它由合作的發(fā)起者（我們稱為主控者）發(fā)起。主控者根據(jù)需要，選擇并通知一個(gè)或者多個(gè)隊(duì)友共同完成戰(zhàn)術(shù)合作。戰(zhàn)術(shù)完成后，合作自然解除。這兩種合作都是常用的手段，國(guó)防科技大學(xué)使用的是完全顯式的合作，上海大學(xué)Lengends中型組使用的是完全隱式的合作。隱式合作和顯式合作2022/12/1954機(jī)器人的合作可分為隱式合作與顯式合作2022/12/2255隱式合作與顯式合作2022/12/1955角色分配2022/12/2256這里我們分別從進(jìn)攻和防守來介紹一種簡(jiǎn)單的設(shè)計(jì)模式。先做這樣一個(gè)假定，全隊(duì)只有2種隊(duì)員，純粹的進(jìn)攻球員和純粹的防守球員。每個(gè)球員在場(chǎng)上有一個(gè)基本位置，這個(gè)基本為是事先設(shè)定好的，類似于人類足球中的陣型。這在智能中型機(jī)器人足球中體現(xiàn)為一系列點(diǎn)的全局坐標(biāo)。下頁圖中是一種陣型的基本坐標(biāo)圖。在圖中有守門員、邊衛(wèi)、邊鋒、前鋒，不要被這些名字迷惑，從行為上來說，只有守門員是純粹的防守球員，其他的都是純粹的進(jìn)攻球員。它們的名字不同僅僅是因?yàn)榛疚恢貌煌鶕?jù)約定俗成這樣稱呼的。也就是說進(jìn)攻球員的本質(zhì)是一樣的，它們?cè)趫?chǎng)上的不同表現(xiàn)只是因?yàn)槲恢玫牟町愒斐傻摹＝巧峙?022/12/1956這里我們分別從進(jìn)攻和防守來介一種陣型的基本坐標(biāo)圖2022/12/2257一種陣型的基本坐標(biāo)圖2022/12/1957進(jìn)攻2022/12/2258進(jìn)攻2022/12/1958防守2022/12/2259防守2022/12/195910.4智能中型足球機(jī)器人運(yùn)動(dòng)控制子系統(tǒng)2022/12/226010.4智能中型足球機(jī)器人運(yùn)動(dòng)控制子系統(tǒng)2022/12/19速度分解2022/12/2261根據(jù)前面章節(jié)介紹的決策子系統(tǒng)的輸出量有四個(gè)：x方向的速度，y方向的速度，角速度，射門信號(hào)。其中三個(gè)速度信號(hào)均為浮點(diǎn)數(shù)，單位為米，鑒于FPGA對(duì)浮點(diǎn)數(shù)處理能力有限，運(yùn)動(dòng)控制子系統(tǒng)會(huì)將這三個(gè)速度信息再做一次處理。在這里所要做的就是將三個(gè)速度分解為三個(gè)輪子的轉(zhuǎn)速，單位為rpm。速度分解的公式如下：v1=-(-sin30°*vx+cos30°*vy+Radius*w)；（10.30）v3=-(-sin30°*vx+(-cos30°)*vy+Radius*w)；（10.31）v2=-(vx+Radius*w)；（10.32）速度分解2022/12/1961根據(jù)前面章節(jié)介紹的決策子系統(tǒng)續(xù)2022/12/2262其中v1、v2、v3為三個(gè)輪子的轉(zhuǎn)速，vx、vy、w分別為x方向速度、y方向速度、角速度，Radius為機(jī)器人半徑再換算成rpm為單位：speed1=VToRPM*v1；speed2=VToRPM*v2；speed3=VToRPM*v3；其中speed1、speed2、speed3為換算之后的輪速，VToRPM為一個(gè)比例系數(shù)。踢球信號(hào)Delaytime是一個(gè)延時(shí)信號(hào)，以毫秒為單位。通過控制延時(shí)的長(zhǎng)短，來控制氣閥的充氣時(shí)間，以達(dá)到控制射程的目的。續(xù)2022/12/1962其中v1、v2、v3為三個(gè)輪子的轉(zhuǎn)通訊協(xié)議2022/12/2263在將數(shù)據(jù)發(fā)送給FPGA時(shí)，輪速和踢球信號(hào)分開發(fā)送。輪速是每一幀都要發(fā)送，踢球信號(hào)只在需要踢球的時(shí)候才發(fā)送。發(fā)送輪速數(shù)據(jù)的協(xié)議如下：第一個(gè)地址位：86第二個(gè)地址位：speed1高八位第三個(gè)地址位：speed1低八位第四個(gè)地址位：speed2高八位第五個(gè)地址位：speed2低八位第六個(gè)地址位：speed3高八位第七個(gè)地址位：speed3低八位第八個(gè)地址位：0第九個(gè)地址位：0第十個(gè)地址位：13通訊協(xié)議2022/12/1963續(xù)2022/12/2264發(fā)送踢球信號(hào)的協(xié)議如下：第一個(gè)地址位：0x4B第二個(gè)地址位：延時(shí)時(shí)間Delaytime高八位第三個(gè)地址位：延時(shí)時(shí)間Delaytime低八位第四個(gè)地址位：0第五個(gè)地址位：0第六個(gè)地址位：0第七個(gè)地址位：0第八個(gè)地址位：0第九個(gè)地址位：0第十個(gè)地址位：0x0D把運(yùn)動(dòng)控制信號(hào)發(fā)送之后，底層的運(yùn)動(dòng)控制芯片F(xiàn)PGA會(huì)可靠地、實(shí)時(shí)地達(dá)到這一速度，完成整個(gè)系統(tǒng)的輸入與輸出過程。續(xù)2022/12/1964發(fā)送踢球信號(hào)的協(xié)議如下：思考題2022/12/22651. 全景鏡和攝像機(jī)的配合，要注意哪些方面的問題?2. 提取白線點(diǎn)，可以使用哪些方法？各有什么優(yōu)勢(shì)？3. 為什么場(chǎng)地顏色標(biāo)定要用顏色查找表而不是使用閾值？如果要使用閾值判斷場(chǎng)地顏色，要如何使用？4. 區(qū)域跟蹤算法有哪些優(yōu)缺點(diǎn)？5. 除了使用顏色來識(shí)別球，還有什么方法能夠識(shí)別球？嘗試實(shí)現(xiàn)一種任意顏色球的識(shí)別方法。6. 智能中型足球在機(jī)器人可以沒有自定位嗎？為什么？如果沒有自定位，對(duì)其他部分的算法實(shí)現(xiàn)有什么影響？7. 通訊子系統(tǒng)中服務(wù)機(jī)還可以監(jiān)視哪些信息？8. 通訊子系統(tǒng)中機(jī)器人直接還可以共享哪些信息？9. 如果監(jiān)視和共享的信息量（bps）增大，會(huì)有什么影響？如何確定信息量的上限？10. 本書中的決策子系統(tǒng)的設(shè)計(jì)有哪些缺陷？嘗試做出改進(jìn)。思考題2022/12/19651. 全景鏡和攝像機(jī)的配合，要目錄2022/12/2266目錄2022/12/19110.1智能中型足球機(jī)器人視覺子系統(tǒng)2022/12/2267智能中型足球機(jī)器人視覺系統(tǒng)的硬件配置1. 全景視覺系統(tǒng)在足球機(jī)器人的攝像機(jī)是最重要的傳感器，它的重要性就相當(dāng)于眼睛對(duì)于人。在Robocup中型組比賽中，機(jī)器人普遍采用全景視覺系統(tǒng)。它由一個(gè)攝像機(jī)和一個(gè)反射鏡組成，見圖10.1。反射鏡裝在機(jī)器人頂部，鏡面向下，攝像機(jī)朝上正對(duì)著反射鏡。攝像機(jī)得到的是帶有畸變的俯視圖，顯示了機(jī)器人周圍360度的情況。這和人不一樣，因?yàn)槿送ǔ２荒芸吹缴砗螅前杨^轉(zhuǎn)過去。圖10.2是這種配置的視覺系統(tǒng)獲得的一張典型圖像?？梢钥闯鏊鼛в袊?yán)重的畸變，圖像中間的黑色區(qū)域代表機(jī)器人自身，黑色區(qū)域的中心代表了機(jī)器人的中心。10.1智能中型足球機(jī)器人視覺子系統(tǒng)2022/12/192智全景視覺系統(tǒng)例子2022/12/2268某機(jī)器人的視覺系統(tǒng)的硬件配置一張典型的全景視覺系統(tǒng)拍攝的圖片全景視覺系統(tǒng)例子2022/12/193某機(jī)器人的視覺系統(tǒng)的硬多攝像頭的視覺系統(tǒng)2022/12/2269全景視覺的目標(biāo)識(shí)別有其缺陷，特別是對(duì)球的識(shí)別。根據(jù)RoboCup中型組的比賽規(guī)則，機(jī)器人的高度不能高于80cm，因此從全景鏡中就不能識(shí)別到高于80cm的物體。而在智能中型足球機(jī)器人比賽中常常會(huì)有挑起的球高于機(jī)器人的情況。有很多參賽隊(duì)為解決這個(gè)問題，提出了一些方案。比如中國(guó)國(guó)防科技大學(xué)的獵豹機(jī)器人上裝有兩套視覺系統(tǒng)：一套全向視覺系統(tǒng)和一個(gè)廉價(jià)的網(wǎng)絡(luò)攝像頭加裝廣角鏡頭構(gòu)成的前向視覺系統(tǒng)。荷蘭TechUnited隊(duì)使用一個(gè)工業(yè)智能攝像機(jī)作為前向攝像機(jī)，主要實(shí)現(xiàn)球的輔助識(shí)別與定位作用。當(dāng)球速達(dá)到10m/秒時(shí)，一個(gè)工作于25幀每秒（fps）的全景攝像機(jī)是不能完成這個(gè)識(shí)別任務(wù)的，他們使用的攝像機(jī)是高速的工業(yè)攝像機(jī)系統(tǒng)，可以工作在高達(dá)200fps。要處理200fps，640X480分辨率的實(shí)時(shí)圖像，如果由PC機(jī)來完成，無論對(duì)于傳輸還是處理都是極難實(shí)現(xiàn)的。荷蘭隊(duì)選用TheVisionComponentsVC4458攝像機(jī)(最高242fps@640x480pixels)，具有板載處理能力，所有的圖像處理和識(shí)別都在智能攝像機(jī)內(nèi)部完成，攝像機(jī)和主機(jī)通信的內(nèi)容只有球的位置和球速。多攝像頭的視覺系統(tǒng)2022/12/194全景鏡曲線2022/12/2270

目前，具有全景視覺機(jī)器人中廣泛使用的全景鏡面主要是雙曲線鏡面，通過攝像機(jī)采集到的圖像具有全景水平視角，使機(jī)器人能夠獲取全景圖像。該類全景數(shù)學(xué)模型簡(jiǎn)單，但得到的圖像存在嚴(yán)重的失真，尤其距離機(jī)器人遠(yuǎn)處的圖像畸變很大，直接造成識(shí)別場(chǎng)上標(biāo)志線或球等目標(biāo)的困難。通過使用組合全景鏡面，可以克服現(xiàn)有全景鏡面得到的圖像失真嚴(yán)重的不足。組合全景鏡面的第一段曲線保證了在一定距離范圍內(nèi)水平場(chǎng)地上的點(diǎn)和圖像上的像素點(diǎn)具有指數(shù)函數(shù)關(guān)系；組合鏡面第二段曲線是一段圓弧，保證了在距離較遠(yuǎn)處能夠看到一定高度的物體。這種構(gòu)造的鏡面能夠很大程度地減小圖像失真的情況。全景鏡曲線2022/12/195 目前，具有全景視覺機(jī)器人中通過雙曲線鏡面獲得的圖像2022/12/2271通過雙曲線鏡面獲得的圖像2022/12/196分段組合全景鏡面曲線2022/12/2272分段組合全景鏡面曲線2022/12/197視覺系統(tǒng)基本信息的提取2022/12/2273視覺系統(tǒng)基本信息的提取2022/12/198視覺系統(tǒng)的坐標(biāo)系2022/12/2274在闡述視覺系統(tǒng)之前，首先定義系統(tǒng)使用的3個(gè)三個(gè)坐標(biāo)系：圖像坐標(biāo)系，機(jī)器人坐標(biāo)系，全局坐標(biāo)系。這3個(gè)坐標(biāo)系貫穿了整個(gè)視覺系統(tǒng)的始末。其中，機(jī)器人坐標(biāo)系和全局坐標(biāo)系，更是貫穿了機(jī)器人的整個(gè)軟件系統(tǒng)（包括視覺系統(tǒng)，決策系統(tǒng)，通訊系統(tǒng)）。圖像坐標(biāo)系I(x，y)：x和y表示像素位。機(jī)器人坐標(biāo)系L(x，y)：這個(gè)坐標(biāo)系建立在機(jī)器人的視角上。它的原點(diǎn)就是機(jī)器人中心。Y軸指向了機(jī)器人的正前方(見圖10.10)。這個(gè)坐標(biāo)系也稱為實(shí)際坐標(biāo)系。全局坐標(biāo)系G(x，y)：這個(gè)坐標(biāo)系用來表明機(jī)器人的位置。它的原點(diǎn)為球場(chǎng)的中心。(見圖10.10)圖10.9定義了圖像坐標(biāo)系，機(jī)器人就是圖像中央的黑色區(qū)域，該區(qū)域的中心不一定是圖像的正中心，但黑色區(qū)域的中心點(diǎn)C對(duì)應(yīng)的是機(jī)器人的中心，這里稱其為圖像中心。原點(diǎn)在圖像的左上角，圖像中央黑色區(qū)域的中心是機(jī)器人的中心位置。視覺系統(tǒng)的坐標(biāo)系2022/12/199在闡述視覺系統(tǒng)之前，首三個(gè)坐標(biāo)系圖示2022/12/2275圖像坐標(biāo)系原點(diǎn)在圖像的左上角，圖像中央黑色區(qū)域的中心是機(jī)器人的中心位置。機(jī)器人坐標(biāo)系和全局坐標(biāo)系

三個(gè)坐標(biāo)系圖示2022/12/1910圖像坐標(biāo)系機(jī)器人坐標(biāo)系距離函數(shù)和反距離函數(shù)2022/12/2276全景視覺系統(tǒng)獲得的圖像通常帶有不同程度的畸變，如圖10.9，需要進(jìn)行有效的校正。于是引出一個(gè)問題，例如，距離圖像中心200個(gè)像素的點(diǎn)所對(duì)應(yīng)（投影）的地面上的點(diǎn)與機(jī)器人的距離是多少（這里認(rèn)為是地面上的一點(diǎn)，而不是一個(gè)具體的物體上的一點(diǎn)，因?yàn)槲矬w具有高度，判斷物體的位置是一個(gè)三維問題，單目視覺本質(zhì)上只能解決二維問題，在本系統(tǒng)中計(jì)算物體的距離都是通過該物體與地面的接觸點(diǎn)把問題簡(jiǎn)化成二維的）。在圖像處理之前，必須得到一個(gè)重要的函數(shù)，這個(gè)函數(shù)的輸入是圖像上與圖像中心的像素距離r，輸出是機(jī)器人與這個(gè)像素對(duì)應(yīng)實(shí)際位置的實(shí)際距離R，即R=F(r)。這里把它稱為距離函數(shù)，標(biāo)定視覺系統(tǒng)的含義就是獲得距離函數(shù)，即把像素坐標(biāo)轉(zhuǎn)換成實(shí)際坐標(biāo)。距離函數(shù)只對(duì)同一高度有效。有了它，才能實(shí)現(xiàn)測(cè)量物體與離機(jī)器人的距離，實(shí)現(xiàn)定位。距離函數(shù)使實(shí)現(xiàn)整個(gè)視覺系統(tǒng)成為可能。距離函數(shù)的獲得方法可以是手動(dòng)測(cè)量的，也可以是自動(dòng)的。距離函數(shù)的反函數(shù)被稱為反距離函數(shù)r。r=G(R)；（10.18）G是F的反函數(shù)。該函數(shù)主要被用來計(jì)算處在場(chǎng)地的邊界的像素位置，但需要機(jī)器人首先完成自定位。在綠色場(chǎng)地的自動(dòng)標(biāo)定和識(shí)別球的過程中，反距離函數(shù)有著極其重要的作用。距離函數(shù)和反距離函數(shù)2022/12/1911全景視覺系統(tǒng)獲得坐標(biāo)轉(zhuǎn)換2022/12/2277在高度為0的情況下，圖像坐標(biāo)系和機(jī)器人坐標(biāo)系是可以互相轉(zhuǎn)化的，轉(zhuǎn)化的中介就是距離函數(shù)以及反距離函數(shù)，假設(shè)圖像坐標(biāo)系中的一點(diǎn)(x，y)，要計(jì)算它在地面上的投影的坐標(biāo)(機(jī)器人坐標(biāo)系下的坐標(biāo))，圖像中心的坐標(biāo)為(xc，yc)。當(dāng)從圖像坐標(biāo)系轉(zhuǎn)化成機(jī)器人坐標(biāo)系時(shí)，先通過距離函數(shù)計(jì)算實(shí)際距離，然后再計(jì)算角度，計(jì)算角度的公式取決于攝像機(jī)相對(duì)于機(jī)器人的裝配方向。這樣，得到了實(shí)際距離和實(shí)際角度就可以計(jì)算實(shí)際坐標(biāo)，即機(jī)器人坐標(biāo)系下的坐標(biāo)。如果要從實(shí)際坐標(biāo)轉(zhuǎn)成圖像坐標(biāo)，就執(zhí)行相反的過程。實(shí)際坐標(biāo)和全局坐標(biāo)的轉(zhuǎn)化以自定位為中介。定位不成功將導(dǎo)致轉(zhuǎn)化失去原有的意義。圖像坐標(biāo)不能直接和全局坐標(biāo)相互轉(zhuǎn)換，要以實(shí)際坐標(biāo)為中介。坐標(biāo)轉(zhuǎn)換2022/12/1912在高度為0的情況下，圖像坐標(biāo)無信息區(qū)的標(biāo)定2022/12/2278無支撐柱的機(jī)器人的全景視覺系統(tǒng)得到的圖像，它的全景鏡通常是由透明材料制作成的筒狀支撐架與攝像機(jī)聯(lián)接裝配，因此在生成圖像時(shí)不會(huì)有和圖像無關(guān)的支撐柱信息存在，得到的是一個(gè)完整的全景視覺圖像。有支柱的機(jī)器人的全景視覺系統(tǒng)得到的圖像，它的中央和四周存在黑色區(qū)域，不反應(yīng)機(jī)器人四周的情況，如果在進(jìn)行信息提取的時(shí)候，屏蔽這些區(qū)域，就可減少干擾和不必要的CPU負(fù)擔(dān)。為了屏蔽這些無信息區(qū)，需要建立一張查找表，對(duì)于一個(gè)像素，通過該表可以查到此像素是否處在無信息區(qū)內(nèi)，如果處在無信息區(qū)內(nèi)，算法就跳過，不進(jìn)行信息提取操作。無信息區(qū)的標(biāo)定2022/12/1913無支撐柱的機(jī)器人的全景無信息區(qū)圖示2022/12/2279無支柱的全景視覺系統(tǒng)圖像全景鏡的三根支撐柱遮擋了“視線”，增加了無用區(qū)域自動(dòng)無信息區(qū)標(biāo)定結(jié)果無信息區(qū)圖示2022/12/1914無支柱的全景視覺系統(tǒng)圖像顏色定義——構(gòu)建顏色查找表2022/12/2280在視覺系統(tǒng)工作之前先要對(duì)顏色進(jìn)行定義，即什么是綠色（場(chǎng)地顏色），什么是黑色（機(jī)器人顏色），什么是橙紅色（足球顏色）。定義方法可以分為兩類，第一類使用閾值，例如對(duì)于顏色空間RGB，把R>200，G<100，B<100同時(shí)成立的顏色定義為紅色。第二類是建立顏色查找表，表中條目數(shù)等于可能出現(xiàn)的顏色值的數(shù)量（即RGB能夠組成的所有組合的數(shù)量，對(duì)于大多數(shù)的計(jì)算機(jī)為256×256×256），條目的內(nèi)容是該顏色值對(duì)應(yīng)的顏色（例如綠色）代碼形式的表示，通過顏色查找表可以查出任何一個(gè)顏色值屬于或者不屬于某顏色。對(duì)比閾值法，使用顏色查找表對(duì)定義顏色得到的結(jié)果更加精細(xì)。顏色定義——構(gòu)建顏色查找表2022/12/1915在視覺系統(tǒng)視覺標(biāo)定2022/12/2281（a）相似顏色的擴(kuò)散(b)把(a)中區(qū)域內(nèi)的顏色定義為綠色的標(biāo)定結(jié)果（c）標(biāo)定完成后的結(jié)果視覺標(biāo)定2022/12/1916（a）相似顏色的擴(kuò)散(b)色塊提取與跟蹤2022/12/2282定義顏色查找表后，就可確定某個(gè)像素否是綠色（場(chǎng)地顏色），但是這些綠色點(diǎn)只是一個(gè)一個(gè)像素，程序并沒把它們連接成區(qū)域。區(qū)域是由相似顏色組成的色塊。表示區(qū)域最精確的辦法是獲得它的輪廓。獲得這些輪廓通常要耗費(fèi)較大的CPU資源，如擴(kuò)散算法。在某些場(chǎng)合下，不需要獲得精確的輪廓，但是需要更高的速度，應(yīng)用在這種場(chǎng)合下的算法的一個(gè)典型代表是CMU的算法，該方法得到的是框定一個(gè)區(qū)域的最小矩形，并且這個(gè)矩形是不允許旋轉(zhuǎn)的，輪廓的信息被丟棄。這里介紹一種基于RegionTracker精確的區(qū)域輪廓獲得方法，該方法由FelixvonHundelshausen開發(fā)并首先使用在足球機(jī)器人上。它不但能得到精確的邊界，而且非常迅速。因?yàn)橐曈X系統(tǒng)得到的是連續(xù)圖像，任意前后兩幀圖像都是很接近的，所以除了在初始時(shí)需要色塊提取外，在大多時(shí)間內(nèi)可以把問題歸結(jié)于跟蹤，跟蹤通常是比較省時(shí)的。色塊提取與跟蹤2022/12/1917RegionTracker算法2022/12/2283RegionTracker算法的基礎(chǔ)是擴(kuò)散算法。擴(kuò)散算法需要一個(gè)或者一批符合某種要求（如顏色）的種子點(diǎn)，一張和圖像大小相同的布爾變量表來標(biāo)記圖像中的所有像素點(diǎn)是否已經(jīng)包含在所提取的區(qū)域內(nèi)，這張表某個(gè)位置上為“否”，表示該位置對(duì)應(yīng)的像素點(diǎn)不在區(qū)域內(nèi)，“是”表示在區(qū)域內(nèi)，初始化時(shí)，表中對(duì)應(yīng)種子所在位置的布爾變量置為是，其他都為否，表示只有種子在區(qū)域內(nèi)，通過擴(kuò)散，將把一些符合要求的點(diǎn)標(biāo)記為在區(qū)域內(nèi)。擴(kuò)散算法從種子向鄰近點(diǎn)（上下左右的緊鄰著的像素）擴(kuò)散，判斷是否應(yīng)該擴(kuò)散某個(gè)緊鄰的像素點(diǎn)需要兩個(gè)條件，第一：顏色值屬于要求的顏色，二：被標(biāo)記為在當(dāng)前提取的區(qū)域之外。這兩個(gè)條件符合時(shí)，把該像素標(biāo)記為處于正在當(dāng)前提取的區(qū)域內(nèi)，并且作為進(jìn)一步擴(kuò)散的“根據(jù)地”，進(jìn)一步向外擴(kuò)散。當(dāng)算法擴(kuò)散到不可擴(kuò)散時(shí)，輪廓就形成了。用一個(gè)數(shù)組來記錄輪廓上的點(diǎn)，以及一張包含他們之間連接信息的表。由于兩幅連續(xù)的圖片中色塊變化不大，如圖10.16中的區(qū)域A和區(qū)域B，區(qū)域A表示前一幀的某個(gè)色塊（物體），區(qū)域B表示緊接著的后一幀的同一色塊。這兩個(gè)色塊常常有一大片交集，在RegionTracker中交集就是可以大加利用的對(duì)象。RegionTracker算法2022/12/1918Re對(duì)綠色場(chǎng)地實(shí)行色塊提取的結(jié)果，藍(lán)色線條為綠色區(qū)域的輪廓。2022/12/2284對(duì)綠色場(chǎng)地實(shí)行色塊提取的結(jié)果，藍(lán)色線條為綠色區(qū)域的輪廓。20候選種子2022/12/2285候選種子2022/12/1920場(chǎng)地白線的識(shí)別2022/12/2286場(chǎng)地上白色標(biāo)線是機(jī)器人實(shí)現(xiàn)自定位的前提條件，在場(chǎng)地輪廓的基礎(chǔ)上，很容易得到白線點(diǎn)。對(duì)于輪廓上任何一點(diǎn)，可以求得通過這點(diǎn)且垂直于輪廓的法線，在法線上往往存在著白線點(diǎn)。白線的特點(diǎn)是具有很高的亮度，并且白線兩邊通常是綠色（場(chǎng)地）。算法首先以場(chǎng)地輪廓為起點(diǎn)，沿法線收縮亮度高的像素點(diǎn)，找到以后再以這個(gè)高亮度點(diǎn)為中心，沿法線搜尋兩邊是否是綠色，即先搜尋白色，如果收縮到白線點(diǎn)則搜尋兩邊的綠色，這兩次搜尋都是在一個(gè)小范圍內(nèi)進(jìn)行的，保證了離輪廓點(diǎn)比較近。檢測(cè)白線的結(jié)果如圖10.19，圖中展示的是檢測(cè)白線的原理，以亮度高的點(diǎn)為起點(diǎn)，法線方向?yàn)樗褜し较?，去?yàn)證兩邊是否為綠色，如果都是綠色則認(rèn)為是白線點(diǎn)。圖中檢測(cè)線中點(diǎn)標(biāo)記過白點(diǎn)的是算法認(rèn)為的白線點(diǎn)，沒有標(biāo)記白點(diǎn)的檢測(cè)線系統(tǒng)認(rèn)為該中點(diǎn)不是白線點(diǎn)?？梢钥吹接行┚€是白線，但系統(tǒng)沒有認(rèn)為它們是白線，球中有一點(diǎn)卻被標(biāo)記為白線了，因?yàn)榉蠙z測(cè)原則，中間亮度高，兩邊是綠色。場(chǎng)地白線的識(shí)別2022/12/1921檢測(cè)白線2022/12/2287檢測(cè)白線2022/12/19222022/12/2288射線檢測(cè)白線點(diǎn)2022/12/1923射線檢測(cè)白線點(diǎn)類球點(diǎn)和類障礙點(diǎn)的提取2022/12/2289對(duì)球的顏色使用閾值法定義，使用顏色亮度分離的HSV顏色空間，該空間對(duì)調(diào)整閾值比較有利。不需要把球的顏色包括得很全面，這些類球點(diǎn)的作用只是指明了這個(gè)位置可能有球，具體是否是球需要做精細(xì)的判斷，所以即使閾值的范圍比較小是不影響識(shí)別球的，而如果把閾值的范圍比較大會(huì)增加干擾，使得算法必須在更多位置進(jìn)行精細(xì)的判斷。檢測(cè)類球點(diǎn)使用類似于白線點(diǎn)檢測(cè)的方法，只不過這次只要在場(chǎng)地輪廓為起點(diǎn)的法線上存在符合閾值定義的點(diǎn)以后就認(rèn)為是類球點(diǎn)，法線不能過長(zhǎng)，以保證在場(chǎng)地綠色輪廓附近。類球點(diǎn)的檢測(cè)結(jié)果見圖10.21，正紅色為檢測(cè)到的類球點(diǎn)。提取類障礙點(diǎn)的目的是產(chǎn)生種子，為RegionTracker識(shí)別障礙物服務(wù)。障礙的亮度很低，因?yàn)橐?guī)則規(guī)定它為黑色，所以系統(tǒng)就以亮度為判別標(biāo)準(zhǔn)。亮度低的為類球點(diǎn)。其檢測(cè)過程和檢測(cè)類球點(diǎn)一致。類球點(diǎn)和類障礙點(diǎn)的提取2022/12/1924目標(biāo)檢測(cè)與識(shí)別2022/12/2290前面詳細(xì)介紹了圖像信息的提取，其中包括白線點(diǎn)提取、類障礙物點(diǎn)提取、類球點(diǎn)提取，其中白線點(diǎn)提取是為機(jī)器人自定位服務(wù)，類障礙物點(diǎn)與類球點(diǎn)提取是為識(shí)別障礙物和識(shí)別球服務(wù)。識(shí)別障礙物和球都屬于機(jī)器視覺檢測(cè)中的目標(biāo)檢測(cè)與識(shí)別。1) 障礙物的識(shí)別在球場(chǎng)上，機(jī)器人的周圍有各種障礙物，如隊(duì)友機(jī)器人，對(duì)方機(jī)器人，甚至人類裁判等，并且這些障礙物的位置常常是不斷變化的。機(jī)器人在場(chǎng)上移動(dòng)，首要的原則是不能與這些障礙物發(fā)生碰撞，更高的要求是能在這樣一個(gè)動(dòng)態(tài)的障礙環(huán)境中找到一個(gè)最優(yōu)的路徑到達(dá)目標(biāo)地點(diǎn)，甚至能夠在帶球的情況下繞過障礙物，完成帶球突破這一技術(shù)目標(biāo)。完成這些任務(wù)的最基本的前提是有一種有效的穩(wěn)定的實(shí)時(shí)的障礙物識(shí)別方法。常用的障礙物識(shí)別方法視傳感器的種類而異，這里只介紹基于圖像傳感器，即攝像頭的識(shí)別方法。系統(tǒng)使用RegionTracker作為識(shí)別障礙物的主要工具。把類球點(diǎn)作為種子，用RegionTracker獲得黑色色塊的邊界，區(qū)域面積的就不能認(rèn)作障礙。識(shí)別效果見圖10.22，紅白點(diǎn)標(biāo)記了障礙和地面的接觸點(diǎn)，該點(diǎn)決定了障礙物離機(jī)器人的距離，兩條紅線標(biāo)出了障礙所占據(jù)的角度，這在機(jī)器人的避障和射門中十分有用。避障要求機(jī)器人的行動(dòng)方向不能在這個(gè)角度內(nèi)，射門要求機(jī)器人的瞄準(zhǔn)方向不能在這個(gè)角度內(nèi)。圖中顯示的是穿黑色衣服的研究人員。除了這個(gè)區(qū)域的黑色以外，還有很多其他的黑色，因?yàn)樗麄兲幱跓o信息區(qū)，或者在場(chǎng)地以外，算法就不去考慮這些場(chǎng)外信息了。圖中還有兩個(gè)小區(qū)域被藍(lán)色包圍，但是他們沒有紅白標(biāo)記，因?yàn)樗鼈兠娣e過小，算法不認(rèn)為這是障礙。這兩塊黑色區(qū)域原本屬于一個(gè)大的黑色塊，但是RegionTracker沒有把這塊大色塊標(biāo)記進(jìn)去，因?yàn)樗麄冊(cè)趫?chǎng)地以外，系統(tǒng)對(duì)RegionTracker使用一個(gè)特殊的限制，如果要擴(kuò)散到場(chǎng)外，算法就限制住它。辨別物體是否在場(chǎng)外，需要自定位技術(shù)，和全局坐標(biāo)映射到圖像坐標(biāo)的方法。目標(biāo)檢測(cè)與識(shí)別2022/12/1925前面詳細(xì)介紹了圖像信息國(guó)防科技大學(xué)開發(fā)的基于射線掃描方式提取黑色障礙物的算法2022/12/2291國(guó)防科技大學(xué)開發(fā)的基于射線掃描方式提取黑色障礙物的算法202識(shí)別障礙物2022/12/2292識(shí)別障礙物2022/12/1927球識(shí)別2022/12/2293(1) 橘紅色球識(shí)別同自定位一樣，檢測(cè)球也是從提取輪廓開始。首先用RegionTracker提取圖像輪廓，再搜索非場(chǎng)地的區(qū)域中的類球點(diǎn)。對(duì)于特定顏色球的識(shí)別，類球點(diǎn)比較容易獲取。顏色就是球的特征，這里定義一個(gè)顏色空間的區(qū)間，如對(duì)于HSV顏色空間，不妨取5<H<35且180<S<230的顏色像素點(diǎn)為類球點(diǎn)。如果某一個(gè)區(qū)域中的類球點(diǎn)占整個(gè)區(qū)域的像素點(diǎn)的總數(shù)的比例超過預(yù)先定義的閾值，則再將這些點(diǎn)聚合在一起，放在一個(gè)矩形檢測(cè)框內(nèi)。在該框內(nèi)將圖像二值化，對(duì)這些點(diǎn)群提取邊線，再用橢圓去擬合邊界來判斷是否是球。對(duì)球的判斷的準(zhǔn)確性有一個(gè)指標(biāo)，稱為相似度，相似度可以由三個(gè)權(quán)重來度量：近似橢圓的程度，類球點(diǎn)數(shù)與所在輪廓的所有點(diǎn)數(shù)之比，檢測(cè)輪廓的尺寸相近程度。球識(shí)別2022/12/1928類似于雙目攝像頭的多攝像頭的數(shù)據(jù)融合得到的空間點(diǎn)云數(shù)據(jù)，反應(yīng)球在三維空間中的位置2022/12/2294類似于雙目攝像頭的多攝像頭的數(shù)據(jù)融合得到的空間點(diǎn)云數(shù)據(jù)，反應(yīng)

任意顏色球識(shí)別2022/12/2295依靠顏色來識(shí)別球就意味著需要對(duì)顏色進(jìn)行分類，定義某些顏色為球的顏色，通常使用閾值顏色分類，或者通過顏色查找表確定顏色的分類。但是這些做法非常依賴于光線的變化，極不穩(wěn)定。如果換一個(gè)新的足球，即使光照不變，也需要重新對(duì)顏色進(jìn)行分類。為了克服這一缺點(diǎn)，必須以球的形狀為特征，來進(jìn)行識(shí)別。過去的幾年中，球形物體的識(shí)別成為了機(jī)器人足球的熱點(diǎn)，并且取得了一些突破，其中之一借鑒了P.Viola使用adaboost進(jìn)行人臉識(shí)別的方法。Adaboost用來獲得分類器，可以使很多分類功能并不好的分類器聯(lián)合組成一個(gè)分類性能好的分類器。為了把a(bǔ)daboost應(yīng)用在機(jī)器視覺中，還需要使用積分圖獲得Haar特征。算法先計(jì)算出Haar特征，然后生成許多原始的分類器，adaboost可以組合這些弱分類器，獲得一個(gè)強(qiáng)分類器。這提供了一個(gè)優(yōu)點(diǎn)，人們不用費(fèi)盡心思去選擇所識(shí)別模式相對(duì)于其他模式有什么特點(diǎn)，這種機(jī)器視覺方法適用于識(shí)別大多數(shù)物體。 任意顏色球識(shí)別2022/12/1930智能中型足球機(jī)器人的自定位2022/12/2296機(jī)器人自定位是移動(dòng)機(jī)器人的重要技能，是自動(dòng)導(dǎo)航的基礎(chǔ)。設(shè)想在室內(nèi)，機(jī)器人不知道自己的位置，而它又不具備識(shí)別障礙的能力，它在移動(dòng)的過程中就會(huì)撞到墻壁，因?yàn)椴恢雷约旱奈恢靡馕吨恢缐Ρ谟卸噙h(yuǎn)。定位的前提是要獲得已知的地圖，優(yōu)秀的機(jī)器人可以通過傳感器獲得周圍的幾何形狀，構(gòu)建地圖，然后使用定位算法得到自己的位置，進(jìn)而可以規(guī)劃路徑進(jìn)行導(dǎo)航了。足球機(jī)器人自主選擇路徑就是自動(dòng)導(dǎo)航，足球場(chǎng)就相當(dāng)于一個(gè)室內(nèi)環(huán)境，球場(chǎng)的邊界就相當(dāng)于墻壁。定位需要已知的地圖，場(chǎng)地是規(guī)則詳細(xì)規(guī)定的（已知的），這樣場(chǎng)地模型就是地圖。智能中型足球機(jī)器人的自定位2022/12/1931機(jī)器人自定自定位的研究背景2022/12/2297機(jī)器人自定位這個(gè)課題是機(jī)器人領(lǐng)域的熱門，人們已經(jīng)取得了一些研究成果。其中一個(gè)普遍使用的方法是利用MonteCarlo方法進(jìn)行定位，也稱粒子濾波定位算法。該算法的核心是計(jì)算機(jī)器人位置的概率分布。初始化時(shí)，通常先把機(jī)器人的位置認(rèn)為是在場(chǎng)地中均勻分布的，然后根據(jù)不斷接收到的傳感器信息，調(diào)整概率分布，最后達(dá)到收斂，機(jī)器人在某個(gè)位置概率接近1，這樣就定位成功了。之所以說這是粒子濾波是因?yàn)樗谟?jì)算概率密度函數(shù)時(shí)，把連續(xù)量離散化了，實(shí)際計(jì)算的是概率，不是概率密度。自定位的研究背景2022/12/1932機(jī)器人自定位這個(gè)課題自定位算法的基本原理2022/12/22981) 定位的目標(biāo)定位的目標(biāo)是取得機(jī)器人在全局坐標(biāo)系的坐標(biāo)和機(jī)器人的方向（x，y，θ），x，y是坐標(biāo)值，θ是機(jī)器人的正方向，一共三個(gè)量。2) 定位——模型匹配在論述了識(shí)別白線點(diǎn)的方法，但是這些白線點(diǎn)并不是在機(jī)器人坐標(biāo)中，而是在圖像坐標(biāo)系中，并且是帶有較大畸變的，需要把這些點(diǎn)轉(zhuǎn)化到機(jī)器人坐標(biāo)系中，該坐標(biāo)系以機(jī)器人為原點(diǎn)。此時(shí)如果把機(jī)器人和這些校正后的白線點(diǎn)看成一個(gè)系統(tǒng)，并且該系統(tǒng)通過平移和旋轉(zhuǎn)使系統(tǒng)中的白線點(diǎn)能夠和場(chǎng)地模型的白線匹配，就能夠?qū)崿F(xiàn)機(jī)器人的自定位功能。自定位算法的基本原理2022/12/1933校正后的白線點(diǎn)和場(chǎng)地模型匹配，紅色點(diǎn)為校正后的白線點(diǎn)2022/12/2299校正后的白線點(diǎn)和場(chǎng)地模型匹配，紅色點(diǎn)為校正后的白線點(diǎn)距離場(chǎng)（或稱距離查找表，匹配的評(píng)判工具）2022/12/22100距離場(chǎng)（或稱距離查找表，匹配的評(píng)判工具）2022/12/19虛擬力場(chǎng)2022/12/22101機(jī)器人和白線點(diǎn)組成的系統(tǒng)（以后就把這稱為“目標(biāo)系統(tǒng)”）需要通過平移、旋轉(zhuǎn)與場(chǎng)地模型相匹配。促使“目標(biāo)系統(tǒng)”移動(dòng)的是一個(gè)附帶在模型上的力場(chǎng)，不同于距離場(chǎng)，它是一個(gè)矢量場(chǎng)，“目標(biāo)系統(tǒng)”的每個(gè)白線點(diǎn)都受力，他們所受的合力的方向就是“目標(biāo)系統(tǒng)”平移的方向，平移的距離和受力成正比，這些力還會(huì)產(chǎn)生轉(zhuǎn)矩，“目標(biāo)系統(tǒng)”旋轉(zhuǎn)的方向就是轉(zhuǎn)矩引起的轉(zhuǎn)動(dòng)方向，旋轉(zhuǎn)角度的大小和轉(zhuǎn)矩成正比。計(jì)算轉(zhuǎn)矩的步驟是：計(jì)算白線點(diǎn)的質(zhì)心計(jì)算每個(gè)點(diǎn)受的力引起的轉(zhuǎn)矩求出這些轉(zhuǎn)矩的和虛擬力場(chǎng)2022/12/1936機(jī)器人和白線點(diǎn)組成的系統(tǒng)（以自定位算法的實(shí)現(xiàn)2022/12/22102機(jī)器人上一共配有兩個(gè)傳感器，即攝像機(jī)，電子羅盤。其中攝像機(jī)獲得的信息為自定位的主要依據(jù)。定位分兩種情況，第一種情況，機(jī)器人不知道自己在前一幀的位置（前一刻），例如在利用第一幀圖像定位時(shí)，機(jī)器人不知道剛才在哪里，因?yàn)槌绦虿艅倓傞_始。這種情況的定位是困難的，此時(shí)定位被稱為重新定位，因?yàn)檫@主要發(fā)生在前一幀定位失敗的情況下，需要耗費(fèi)大量CPU資源。重新定位的方法是一個(gè)遍歷的過程，方法如下：分別在x、y、θ三個(gè)量的定義域內(nèi)每隔一定的步進(jìn)取一個(gè)值，對(duì)以任意一組(x，y，θ)值（位置），假設(shè)機(jī)器人處在這個(gè)位置上，把白線點(diǎn)轉(zhuǎn)化成全局坐標(biāo)下的白線點(diǎn)，然后計(jì)算匹配誤差。針對(duì)的不同的(x，y，θ)可以得到不同的匹配誤差。取匹配最小的誤差，它所對(duì)應(yīng)的位置就最有可能是機(jī)器人的位置。這個(gè)過程實(shí)質(zhì)上遍歷場(chǎng)上每個(gè)可能的位置和方向，取匹配得最好的組合。但是這個(gè)遍歷過程是一個(gè)離散過程，離散的程度取決于步進(jìn)的長(zhǎng)度，如果步進(jìn)過長(zhǎng)，離散程度就高，得到的匹配誤差常常很大，如果步進(jìn)過小，匹配的次數(shù)就會(huì)過多，造成占用CPU