基于全向视觉的足球机器人目标识别与跟踪研究

发布时间：2020-06-23 10:04

【摘要】：视觉信息处理技术对于足球机器人来说,是完成各项任务的最基础以及最关键的技术。本文的研究背景基于RoboCup中型组足球机器人,对中型组足球机器人的研究包括视觉设计、运动控制、硬件设计、路径规划、攻防策略等方面。其中全向视觉系统处于关键性地位,该系统性能的好坏直接对足球机器人任务是否顺利完成起着重要的作用。对这一系统的研究可以促进人工智能领域相关技术的发展,同时也使得机器视觉的应用更加的丰富多样。在中型组足球机器人比赛的应用场景中,目标足球是足球机器人最主要的识别任务。当目标被识别时,会产生外部干扰,如光照强度、图像失真等。因此,抗干扰性以及识别精度是目标识别和跟踪算法主要需要提高和改进的方面。本文主要围绕足球机器人目标识别与跟踪进行了以下一些方面的研究和改进:(1)图像的预处理中型组足球机器人的视觉系统一般采用全向视觉系统,该系统的颜色空间需要有针对性的进行选择,本文通过将HSI颜色空间和YUV颜色空间的分量相结合,设计出了一种更有针对性的颜色空间,更有利于目标的识别。在图像预处理的过程中,对同态滤波算法进行了改进,将该算法与Mallat小波变换结合,弥补了传统同态滤波对于局部特征的增强效果较差的缺点。改进后的方法更能提高图像的信噪比,并且可以较完整的保留原始图像中的局部信息。(2)目标物体的识别在对目标物体进行识别的过程中需要对图像进行区域扫描,一般的方法为逐个像素扫描,这样做的效率比较低。而且足球机器人的目标识别一般采用阈值法,但该方法对光照比较敏感。所以为了克服以上这些缺点,本文提出了基于biSCAN扫描线的SVM算法。经实验验证,该算法的鲁棒性较好,对光照变化有较强的适应力,能够满足比赛需求。(3)目标物体的跟踪本文采用均值漂移来作为目标跟踪的理论依据,并针对全向视觉的特点对目标特征模型进行了改进,使得改进后的算法更加的适用于足球机器人的目标跟踪。该算法对目标形状以及角度的变化的抗干扰性较强,适合应用于全向视觉的目标跟踪中。实验证明该算法对目标的跟踪效果较好,基本满足比赛中对目标跟踪的要求。通观全篇,本文针对传统算法的一些不足进行了改进,提出了基于Mallat小波变换的同态滤波图像增强算法、基于biSCAN的SVM识别算法以及基于全向视觉特点的目标特征模型,实验结果表明,这些改进有效的提升了目标识别与跟踪的准确度以及稳定性。
【学位授予单位】：华侨大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP242
【图文】：

RoboCup比赛种类

基于全向视觉的足球机器人目标识别与跟踪研究

全向视觉原理图

【参考文献】