NAO机器人的目标识别与定位的研究.pdf

摘要 摘要 在Robocup标准平台组比赛中，NAO机器人主要通过摄像头感知球场的实 时信息，为了适应球场的复杂环境，要求机器人的图像处理算法有较高的实时性 和鲁棒性。图像处理部分要从图像中快速提取出球场中的目标，本文所述的目标 是球、球门和场地白线。自定位是机器人在比赛中必须完成的任务，定位也是比 赛中一项关键技术，其水平也是机器人智能程度的重要指标。蒙特卡罗(MCL) 粒子滤波定位算法被广泛应用于机器人的定位中，各种改进算法提高了MCL算 法的效率。本文以NAO机器人为研究平台，主要研究了标准平台组比赛中的目 标识别和机器人自定位的MCL粒子滤波算法。 1．对图像按目标的颜色进行分割，为了避免场外信息对机器人目标识别的影 响，提出了确定球场边界的方法。根据球场图像中边界是非凹形的特点，提出了 一种寻找最大斜率的方法，快速而准确的确定出图像中的球场边界，有效防止了 场外信息的干扰，而且减少了后续目标识别算法的图像处理区域。 2．在图像预处理的基础上，从NAO机器人的实际出发，实现了对球场目标 的球和球门的识别。球和球门的识别都是以其特殊颜色为基础，其中球的识别用 到了Hough的圆检测方法，球门的识别中涉及到角点的计算，以区分球门的左 右门柱。 3．因为其受到NAO机器人白色外壳的干扰，使得场地白线的识别是球场目 标识别的难点。本文提出先用网格扫描找到白色边缘，再用边缘生长的方式遍历 白色边缘，并根据边缘点的斜率变化情况，对遍历的白色边缘进行分类，再用 Hough变换给出识别结果。这个方法简单而有效的实现了对白线的识别，满足 机器人比赛的实时性和鲁棒性的要求。 4．蒙特卡罗粒子滤波算法是一种基于概率计算的迭代算法，很好的解决了机 器人“绑架带来的非高斯问题，能有效实现对机器人的全局定位，而且各种改 进算法减少了MCL的计算量，并提高了其稳定性。为了进一步减少计算量，本 文实验引入对球场的分块方法，减少MCL计算的样本空间容量，提高了定位算 法的实时性。 关键字：NAO机器人；目标识别；颜色分割；粒子滤波 NAO机器人的目标识别与定位研究 ABSTRACT In standard thefield’Sreal—time RoboCup platformgroup，NAOperceived information onit’S orderto tothe environment relymainly camera,inadapt complex the havetobereal—timeandrobustness．The of field，imageprocessingalgorithms part of mustextractthe form this imageprocessing target imagesrapidly,andpaper describedthemethodof andwhiteline．Robotmust thetaskof ball，goal complete isa methodanditsmeettothelevelofrobot’S self-localization，localizationkey CarloParticleFilterLocalization used intelligence．Monte algorithm(MCL)iswidely in method theMCL this robot,manyimprovedimproved algorithm．Inpaper,the research isNA0