RoboCup小型组足球机器人视觉系统设计

（1．江西理工大学应用科学学院，江西 赣州 341000；2．江西理工大学 机电工程学院，江西 赣州 341000） 摘要：集控式足球机器人视觉系统，分图像输入和数字化、图像预处理、图像分割和图像识别几步进行。其图像识别通过图像采集卡、图像增强、去噪处理、边缘增强技术，HIS模型，及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实现。 关键词：足球机器人；图像处理；HSI颜色模式 0 引言 RoboCup小型组足球机器人系统包括视觉、决策、无线通讯和机器人小车等（如图1）。机器人在比赛中，视觉系统按所处的位置和作用，分2种模式：①分布式视觉系统，每个机器人小车有独立的视觉机构，用于目标捕捉和自身定位；②集控式视觉系统，所有机器人小车共用1个视觉机构，为机器人小车和目标定位。故对视觉系统以讨论。 1 视觉系统 1．1 图像输入和数字化 采用CCD彩色摄像机和图像采集卡实现图像输入。用CCD摄像机采集整个场地信息，CCD摄像头的输出信号采用电视标准，每幅图像为1帧，1帧由两场组成；每场240行；采用隔行扫描方式，输出信号有2种制式NTSC和PAL，其中NTSC每秒30帧，PAL为25帧，所以一般采用NTSC。像机输出的是模拟信号，要用计算机来处理这些信息须由图像采集卡来完成信息的转换。 1．2 图像预处理 机器人视觉系统中，常用预处理技术有：①图像增强，一般采用直方图均衡化技术，以一定的映射关系修改原始黑种人的像素灰度，产生1个比原方图更为平坦的直方图，对图像有明显增强效果；②图像的去噪声处理，即图像的平滑。一般采用邻域平均技术，用邻点灰度的平均值取代该点的灰度。也可用平滑技术，即模板技术；③边缘增强处理，即图像的锐化。一般用微分尖锐化处理技术采用梯度法，使用每个像素位置的梯度值。除上述几种预处理技术外，考虑到足球机器人系统实时性要求较高，比赛环境可变，可对所摄取图像的容量和质量进行调整，包括图像调整和压缩。在满足精度的前提下，可采用“场”方式或“TARGET”采集方式，来减小图像容量，提高采集速度[1]。 1．3 图像分割 在图像识别过程中，其颜色信息是主要的识别依据，色彩模型的选取对正确识别颜色有很大的影响，目前常用的色彩模型有RGB和HIS。RGB模型是线性表示系统，其优点是较简单、直观。但实践结果表明，对同一颜色属性物体，在不同条件（光照、光源种类、亮度、物体反射特性等）下，其测得的RGB颜色分布很分散，3个分量互相关联变化波段很宽，占据空间比例很大，很难确定识别RGB的阈值范围，非常容易把并非指定颜色的物体包括进去，而漏掉应该识别的部分物体。 HSI模型是基于视觉原理的模型，其定义了3个互不相关、容易预测的颜色属性：色度（Hue）、饱和度（Saturation）和明亮度（Illumination），其中的色度属性能较准确地反映颜色种类，对外界光照条件的变化敏感程度低。对同一颜色属性物体，具有较稳定和较窄的数值变化范围。饱和度S可作为辅助判断条件，亮度I一般不作判断。所以系统采用HIS模型。 RGB空间到HSI空间的变换公式如下： 通过上述公式，将图像和各像素的RGB分量值转换到HIS空间，在HIS空间完成图像分割和图像识别的等工作。 1．4 图像识别 图像识别采用基于连续图像相关性的顺序网络和种子填充相结合的目标搜索方法。所谓顺序网格，就是将搜索区域人为地按一定的准则分割为一定数量、大小相等的正方形小区域，并按一定的顺序在该小区域中扫描目标，搜索出目标物体的大概位置。种子填充是以该点为种子点，以一定的颜色信息为标准向四周扩散，直到将满足要求的所有像素点全部找到[3]。 通过对机器人小车设计参数的分析，可知其最大运行速度是1个确定不变的数值，即在连续2幅图像中，同一辆机器人小车间的运行距离的最大值是恒定不变的。因此考虑利用相邻2幅图像间的相关性，在以前1幅图像中机器人小车的位置为扫描中心，以机器人小车的最大运行距离为半径的区域内搜索目标物体，既减少整幅图像顺序网格扫描的目标点数，同时由于使用种子填充的方法，在一定的程度上降低了噪声干扰的影响，从而使系统的实时性和可靠性得到提高，如图2。区域中心处为扫描起始点，箭头为顺序搜索方向，每次搜索的网格大小视色标而定。搜索完后，将计算结果按表1的数据结构传给决策系统，以供系统做出决策。 2 结语 足球机器人比赛的视觉系统，使用HSI空间模型代替RGB空间模型进行图像处理和目标辨识，以克服RGB空间模型的不足，满足视觉子系统可靠性要求。采用基于连续图像相关性的顺序网格和种子填充相结合的搜索方法，减少搜索目标像素数量，在一定程度上降低噪声干扰，提高系统的辨识速度。