足球機器人視頻信息的快速識別

足部機器人系統分為四個模塊：機器人運動車、視覺系統、決策系統和通信系統。其中，視覺系統的功能是在連續圖像中識別雙方的機器人小型車輛和小型車輛，并根據決策系統提供每個目標的位置和角度。因此，快速、準確的視覺系統非常重要。基于彩色識別的視覺系統,主要是在機器人小車的頂部粘貼彩色塊,作為隊與隊、隊員與隊員間的區分標志(色標),通過對視頻圖像中彩色區域進行識別,而達到識別機器人及小球的目的.區域分割采用移動網格掃描策略和動態窗口技術,實現局部掃描(1次掃描識別1個目標),從而大大節省了掃描時間,提高了識別速度.但在局部掃描區域中未發現目標時,需要重新尋求掃描切入點,將產生回朔掃描,當識別目標量增加時,可能會加大掃描量.若對二值圖實現行程編碼,然后使用基于樹的區域查找算法分割彩色目標區域,則識別速度能達到30幀/s.S.Jianbo將圖像分割問題視為圖的分區問題,使用歸一化切割方法分割任意彩色目標區域.足球機器人視覺系統所處理的圖像中(分辨率為320×240),目標區域面積遠小于背景區域面積,為此,運用一種基于全局掃描的快速算法,1次分割出所有感興趣的目標,且掃描過程與圖像二值化過程同時進行,從而使系統能進行一些額外的圖像預處理操作.1機器人車輛的顏色設計在系統設計中試驗了3種形式的色標方案,并結合不同的目標分割及識別算法.根據兩中心連線點的斜率確定有效姿態角說明:色塊1代表隊別或隊標(1個隊使用1種顏色),色塊2代表隊員標志,一個隊的不同隊員使用不同的顏色.2個色塊的中心點連線中點,即為小車中心,據兩中心連線的斜率可確定小車姿態角.該方案特點是:色塊面積較大,有利于目標區域分割,最終的識別特征量計算簡單;缺點是隊員標志使用顏色較多,不利于選擇色塊.種顏色小圓式小圓說明:色塊1代表隊別(1個隊使用1種顏色),小圓區域為色塊2代表隊員標志,所有隊員都使用同一種顏色,用不同的小圓色塊數目代表不同隊員,如同時使用小圓2則表示隊員2.本方案特點是:整個系統只需使用2種顏色,利于選擇色塊,且色塊1的中心即為小車中心,不存在2次計算,減少了誤差;缺點是小圓面積較小,對區域分割有影響.可通過相關預處理,保持或增強區域特征(但所需時間較長).圓形代表志愿者2.1說明:色塊1與色塊2的彩色可相同,也可不同,通過2個色塊的形狀來區分不同的隊員,若圓形代表隊員1,則可用矩形代表隊員2.本方案特點是使用顏色很少(1個隊可只需1種或2種顏色),缺點是色塊2面積較小,影響區域分割效果.但同樣可通過相關預處理,保持或增強區域特征.2機器人實際監測系統方位角足球機器人視覺中目標識別的主要任務是:識別出比賽雙方機器人小車頂部彩色塊及小球的矩心,并由此識別出小車的方位角,為決策層提供決策依據.2.1彩色圖像的二值化圖像的二值化是圖像分析、識別的基礎,在使用彩色標志的足球機器人視覺系統中也不例外.為加速區域分割算法,作者提出一種多重二值化方法:將不同的彩色目標圖像二值化時,用1個與目標特征有關的數值(不是傳統的0,1或255),作為其二值化后的標志值.如對我方隊標彩色塊二值化時,設其標志值為Y;我方的1,2,3號隊員標志彩色塊二值化為連續的正整數X1,X2,X3.2.2提取目標分割算法在掃描過程中,計算出目標區域的0階矩(m00)和1階矩(m01及m10),計算出各目標區域的矩心(作為該目標的中心),以達到識別目標的目的.本算法是一種基于線段掃描的區域合并算法.如圖2所示,在處理圖像中的r1行數據時,掃描出2條線段(線段1-1與1-2).此時,不能確定二者的關系,應分別創建2個獨立的線段對象;當處理r2行數據時,掃描出線段2-1,將其分別與上一行中的所有線段對象進行判斷,確定可以將線段1-1的特征量合并至線段2-2中.同理,線段1-2也可合并至線段2-2中.在處理r3行數據時,經過判斷,可將線段2-1及2-2都合并至線段3-1中.如此反復,將線段合并,便可確定被分割的目標.本算法中,第r行的第n條線段對象表示為:Linen(r)={LineLn(r),LineRn(r),Characters,ObjectNO}.其中:LineLn(r),LineRn(r)表示該線段左、右端點的坐標(圖像數據中的列坐標);Characters表示該線段所屬目標的部分特征量(如矩等);ObjectNO表示該線段所屬目標編號.2條線段Linen(r1)與Linek(r2)可合并的條件為Linen(r1).ObjectNO=Linek(r2).ObjectNO,且LineLn(r1)≤LineRk(r2),LineRn(r1)≥LineLk(r2).算法描述步驟如下:a.掃描二值化圖像的第r行,根據多重的二值標志值,創建屬于不同目標的線段對象;b.將第r行掃描出的一線段對象Linen(r),分別與第r-1行中的所有線段對象進行判斷;c.將第r-1行中與Linen(r)滿足合并條件的線段對象Linek(r-1)合并至Linen(r)中;d.循環執行步驟b.和c.,直至第r行所有對象被處理完畢為止;e.循環執行步驟a.,b.,c.,d.,直至處理完整的圖像數據為止.在視覺系統中,使用本算法的實際過程為:根據系統預先學習而得到的閾值,依次將當前幀數據中每一行中所有象素點分類為背景或某一個目標.若為目標點,則將它的相關數據合并至它所屬的線段對象,或新建一線段對象;若為背景點,則不進行任何處理.當某一行中產生1個獨立線段后,開始上述步驟的操作.如此反復,直到處理完一幀數據中的所有行為止.3系統測試與分析在VC++6.0環境下編程以實現視覺系統的功能,主要的功能模塊有:視頻采集卡操作模塊,完成對采集卡的參數設置、視頻采集等功能;彩色圖像處理模塊,實現彩色圖像預處理及二值化操作;區域分割及目標識別模塊,最終計算出被識別目標的位置及姿態角等信息.系統測試運行結果如表1所示.運行環境為:PⅢ800的CPU,內存為128M.使用QueryPerformanceCounter及QueryPerformanceFrequency的WindowsAPI函數,計時精度可達1/1000ms.測試時,連續捕獲100幀分辨率分別為320×240和160×120的視頻圖像,對其進行識別處理,并用臨時文件方式記錄運行時間.測試結果表明,算法運行時間并不隨被識別的目標數目增加而增加.采用該方法實現的視覺系統,在整個足球機器人系統中很穩定,處理速度為25幀/s.滿足了系統實時性要求.對色標方案2與方案3,在識別前先進行濾波等增強處理,再使用上述算法或形