仿人足球機器人目標定位技術(shù)與追蹤算法改進(jìn)

　　對于仿人足球機器人來(lái)說(shuō)，視覺(jué)功能是極其重要的。在足球機器人的各種關(guān)鍵技術(shù)中，機器視覺(jué)是應用范圍最廣，最為基本的技術(shù)之一。移動(dòng)機器人視覺(jué)的研究主要集中在顏色模型建立、目標識別、定位以及跟蹤等方面。仿人機器人視覺(jué)系統的識別與定位算法也是目前的研究熱點(diǎn)，目標的實(shí)時(shí)識別與定位是足球機器人在足球賽中精確踢球的前提。文章主要是針對目前足球機器人在視覺(jué)系統上所存在的問(wèn)題進(jìn)行了顏色模型建立及目標定位算法的改進(jìn)，加入了目標追蹤算法，確保目標識別與定位的準確。在ｉＫｉｄ足球機器人上進(jìn)行試驗并調試，試驗結果具有較好的實(shí)時(shí)性和準確性。

　　引言

　　在RoboCup仿人足球機器人比賽中，視覺(jué)是其獲得外界信息的主要途徑，機器人通過(guò)攝像頭去采集周?chē)h(huán)境的圖像信息，進(jìn)而對環(huán)境進(jìn)行認知，對目標進(jìn)行識別。在機器人足球比賽中，球場(chǎng)中的信息包括藍色和黃色的球門(mén)、角球柱、橙色的球等，足球機器人需要對其所獲取到的信息進(jìn)行識別及判斷進(jìn)而做出相應的決策，因此仿人足球機器人識別的準確性和實(shí)時(shí)性對于比賽的結果來(lái)說(shuō)是至關(guān)重要的。本次創(chuàng )新項目研究主要是基于iKid機器人的視覺(jué)系統。

　　根據場(chǎng)地調試經(jīng)驗發(fā)現機器人視覺(jué)模型及定位追蹤算法中存在以下不足：1）當周?chē)h(huán)境有稍微變化或者環(huán)境中有與目標物體顏色相接近的物體時(shí)，對目標識別標定結果有很大的影響；2）由RGB到HSV的轉換影響系統的實(shí)時(shí)性；3）目前足球機器人的定位是利用坐標之間的變換及三角形成像規律算法，調試中發(fā)現這種定位算法在精度上存在很大問(wèn)題；4）當機器人距離目標物體較遠時(shí)，對目標定位不準確，定位誤差較大。

　　針對于以上問(wèn)題，本次項目中，本文提出改進(jìn)原有機器人的視覺(jué)模型、目標定位算法等，并加入追蹤算法，使iKid機器人視覺(jué)系統更加準確高效。

　?。?機器人系統結構

　　此項目研究的平臺是iKid仿人足球機器人。iKid機器人共有20個(gè)自由度，頭部有仰俯和搖擺兩個(gè)自由度，腿部有6個(gè)自由度，手臂處分別有3個(gè)自由度。其頭部采用的是USB網(wǎng)絡(luò )攝像頭Logitech C905，核心板型號為Cortex-A8，所選用的舵機型號為韓國Robots公司的RX28和RX64。

　　在智能決策系統硬件方面，iKid機器人采用Cortex-A8核心板，其主處理器為Samsung S5PV210。此外，S5PV210內部集成了高性能圖形引擎，同時(shí)也包含了圖像硬解碼功能，能夠流暢運行Android、Linux等操作系統。

　　iKid仿人足球機器人的圖像采集器選擇的是USB2.0網(wǎng)絡(luò )攝像頭Logitech C905，它能夠以30幀/秒的速度傳送分辨率為640×480的壓縮圖像，攝像頭的采集頻率可達人眼的頻率，且能在當前比賽場(chǎng)地的坐標位置看到場(chǎng)地任意位置的目標。攝像機還具備可變白平衡、可變增益等自動(dòng)調節功能，能夠使機器人在不同的光照情況下保持良好的圖像質(zhì)量。該攝像頭支持RGB和YUYV格式的圖像，支持多分辨率。

　　在iKid機器人決策方面，采用的是運動(dòng)控制系統與智能決策系統分離的分布式系統，經(jīng)Wi-Fi傳送的信息及攝像機采集到的圖像信息處理后使機器人做出相應的決策，控制舵機做出相應的運動(dòng)，使機器人做出相應的運動(dòng)。

　　具體系統簡(jiǎn)圖如圖２所示。

　　圖２ iKid仿人足球機器人系統簡(jiǎn)圖（參見(jiàn)右欄）整體來(lái)講，iKid足球機器人的硬件平臺由其視覺(jué)系統、決策系統及運動(dòng)控制系統構成。

　?。?色彩模型的改進(jìn)

　?。玻?色彩模型的選取

　　彩色圖像的方式模型有多種，較為常用的是RGB模型、HSV模型和YUV模型。RGB模型受光線(xiàn)的影響較大，而在比賽中，稍微移動(dòng)一下比賽場(chǎng)地就可能受到影響，進(jìn)而需要重新標定。YUV模型中，Y項表示的是光照強度，也就是明亮度（Luminance），U和V表示的是色度（Chrominance）。其中亮度信號Y

　　和色度信號U、V的信息是相互獨立的，關(guān)聯(lián)性小，同時(shí)降低彩色分量的分辨率也不會(huì )明顯對圖像的質(zhì)量造成影響。

　　YUV色彩模型是從RGB模型經(jīng)線(xiàn)性變換而得到的，轉換公式如下：

　　其中，N為圖像分辨率，B為位數， r為幀速率。為了保證足球機器人在賽場(chǎng)上能較快地進(jìn)行圖像獲取和處理，通過(guò)多次試驗選擇將采集到的圖像以RGB的壓縮格式通過(guò)圖像處理器的硬解碼功能轉換為YUYV格式圖像。每張圖片能夠用8ms完成格式轉換。YUYV色彩模型是抽樣格式，即為YUV4:2：2，保留Y像素，UV在水平空間上每?jì)蓚€(gè)像素采樣一次。

　　其次建立像素表，像素表表示一個(gè)圖像的YUV與顏色表中的數據相互映射的關(guān)系。原始的YUV為三組8位數據，將三組數據并列建立表的索引便可發(fā)現每組數據都能被索引到，即通過(guò)某一處的像素點(diǎn)Y、U、V的值在表中進(jìn)行索引得出對應像素點(diǎn)的顏色標號。為了減少光照造成的影響，先讓足球機器人多次進(jìn)行場(chǎng)地圖像采集，然后對所拍攝到像素點(diǎn)的Y、U、V的值進(jìn)行統計，進(jìn)而選擇閾值。

　　在進(jìn)行機器人顏色標定及建立色彩模型的過(guò)程中，分析數據發(fā)現環(huán)境照明度的變化對U和V值的分布影響極小，可認為U和V值并不隨著(zhù)光照條件的變化而變化，色彩校正表一般來(lái)說(shuō)是不需要重新生成的，僅當光線(xiàn)發(fā)生較大變化時(shí)仍然需要重新標定。

　　下圖為攝像頭采集到的圖像顏色分離及歸類(lèi)處理過(guò)程流程：

　　在機器人識別的過(guò)程中，還加入了邊緣檢測方法，主要通過(guò)判斷目標球是否為圓形及判斷球門(mén)的長(cháng)和高是否滿(mǎn)足一定的比例，還有限制機器人識別較遠位置的足球的能力，最終識別并確定目標物體，以保證識別的準確性。

　?。?球的定位

　　球的定位在機器人的足球比賽中是至關(guān)重要的一個(gè)環(huán)節，也是機器人所應當具備的最基本的功能，

　　因為不論進(jìn)攻、防守都是以球為中心的對抗，所以做好足球機器人對球的定位具有重要的意義。

　　iKid機器人視覺(jué)系統是攝像頭位于機器人頭部隨著(zhù)機器人頭部及身體運動(dòng)的單目系統。iKid機器人原采用的是三角形定位法，經(jīng)場(chǎng)地調試認為該算法對機器人的目標識別的精度不能很好地滿(mǎn)足比賽需求，容易產(chǎn)生失誤。因此實(shí)現精確定位的關(guān)鍵在于圖像坐標系與機器人坐標系之間的轉換。????

　　單目視覺(jué)系統采集到的是圖像的二維信息，因此需要限制目標物體所在的平面，最終確定目標物

　　體的空間位置。采用小孔成像模型建立機器人目標

　　再根據小孔成像模型所得到了公式（３）聯(lián)立計算可得：

　?。ǎ福?（參見(jiàn)右欄）

　　其中，k為攝像頭采集到的圖像的放大系數。

　?。?目標的追蹤算法

　　為了能夠提高仿人足球機器人在賽場(chǎng)上找球的效率，進(jìn)行更準確快速的目標定位，本文設計采用Camshift算法進(jìn)行目標的追蹤。根據以往的比賽經(jīng)驗，iKid機器人在找球的過(guò)程中，一旦由于某些原因丟失了目標，系統將命令機器人重新全方位搜索，需要重新對環(huán)境進(jìn)行識別和判斷，在賽場(chǎng)上，因來(lái)回找球浪費大量時(shí)間對比賽十分不利，加入目標追蹤算法會(huì )大大提高效率。

　?。矗?Camshife算法基本原理

　　Camshife算法是根據攝像頭所采集到的視頻圖像，利用目標顏色的特征在連續的視頻圖像中找到移動(dòng)的目標，進(jìn)而準確判斷出其位置和大小。在下一幀的所獲得的視頻圖像信息中，利用前一幀的大小位置信息來(lái)初始化搜索范圍，這樣可以大量節省

　　尋找目標的時(shí)間，進(jìn)而實(shí)現對目標的連續追蹤。

　?。矗?目標定位與追蹤實(shí)驗結果

　　以iKid足球機器人為實(shí)驗平臺，在比賽場(chǎng)地中進(jìn)行目標球的標定與識別，結果如圖７、８所示。

　?。?整體結果

　　經(jīng)實(shí)際調試及賽場(chǎng)經(jīng)驗數據記錄，算法改進(jìn)后，iKid機器人在視覺(jué)識別和定位方面有了較大的提高。像素表的建立使機器人能夠快速查表濾除雜色，提高了識別的準確度；加入目標追蹤算法實(shí)現了iKid機器人對目標的追蹤，整體完成了項目預期的目的。

　　在仿人機器人調試中還遇到下列問(wèn)題，相應的解決方法如下：

　?。ǎ保z像頭采集圖像時(shí)，受光線(xiàn)影響較大，很多相近的顏色難以區分，選擇閾值較為困難。改進(jìn)措施：對機器人攝像頭參數進(jìn)行調整，對光線(xiàn)進(jìn)行補償，得到較好的圖像。

　?。ǎ玻┰诓僮髡邔σ曈X(jué)進(jìn)行標定時(shí)，需要采集全場(chǎng)各個(gè)角度的圖像，圖像采集標定時(shí)較慢。改進(jìn)措施：利用上層決策，使機器人的攝像頭自主旋轉，掃描全場(chǎng)來(lái)采集圖像，這樣避免了死角出現，也減少了人為采集圖像的時(shí)間，提高了效率。

　　參考文獻：

　?。郏保?胡麗花．基于視覺(jué)的類(lèi)人足球機器人目標定位算 法設計［Ｄ］．杭州：浙江理工大學(xué)，2011.

　?。郏玻?王冉．基于Camshift算法的運動(dòng)預測目標跟蹤改 進(jìn)算法研究［Ｄ］．濟南：山東大學(xué)，2012.

　?。郏常?邱雪娜．基于視覺(jué)的運動(dòng)目標跟蹤算法及其在移 動(dòng)機器人中的應用［Ｄ］．上海：華東理工大學(xué)，2011.

　?。郏矗?馬昕．基于單目視覺(jué)的移動(dòng)機器人目標識別與定 位［Ｄ］．濟南：山東大學(xué)，2011.11.

　?。郏担?許家銘，謝侖．一種仿人足球機器人目標定位與追蹤算法［Ｊ］．華中科技大學(xué)學(xué)報（自然科學(xué)版）， 2011，39（S2）：243-245，258