基于颜色图像分割的RoboCup中型组机器人目标识别.pdfVIP

基于颜色图像分割的RoboCup中型组机器人目标识别木 刘载文张戏连晓峰 北京工商大学计算机与信息工程学院，北京100048 摘要：本丈以RoboCup中型组足球机器人的视觉子系统为研究对象，提出一种基于图像颜色阈值分 割的目标识别方法。该方法选取Hsl色彩空间模型，对改进的HsI色彩空间进行非均匀量化后建立H．S 二维颜色直方图，并采用波峰查找算法对其进行阈值初始分割，得到初始聚类数和初始聚类中心，再 将其作为模糊c一均值聚类法(FCM)的初始值进行阈值补偿，生成颜色的分类查找表，用于将被检测物 体从背景中分割出来。实验结果表明，该方法可降低计算复杂度，满足实时性和准确性的要求，能够 有效地应用于机器人足球赛中。 关键词：RoboCup色彩空间图象分割模糊c．均值聚类 l引 言 Robocup机器人足球世界杯比型lJ是一个极富挑战性的高技术密集型研究项目，它通过提供一个标准平 台促进机器人和人工智能学科的融合和发展。其特点是比赛过程中，对抗双方机器人在一个结构化的场地 内自主移动，机器人视觉系统通过全景或前向摄像头采集图像并将其传回上位机作为输入，由此确定本方 机器人、对方机器人、球、球门的位置和角度等场地信息，并通过声纳、红外或激光等测距系统进行机器 人全局定位及障碍物检测，再进行多传感器信息融合后判断场上局势，为策略系统提供分析决策的依据。 可见，RoboCup中型组足球机器人的决策系统具有显著的动态目标驱动特性，而比赛环境中大部分的物体都 是通过颜色来区分的，可以说在一定程度上，视觉系统的识别精度和反应速度直接关系到比赛的胜负。因 此，分析影响识别效果的不利因素和误识别产生的机理，并通过技术手段加以克服，对提高视觉系统的整 体性能具有十分再要的意义。 视觉系统是整个系统感知外界环境的重要途径，图像处理和辨识过程必须保持较高精度，否则整个系 统可能振荡或失控。然而，高强度的对抗、运动抖动、成像畸变、目标物体颜色杂质和复杂的环境因素使 得视觉信息中含有很大的噪声，再加上场上的物体之间会相互遮挡，使得系统需要具备较强的抗干扰能力， 能对异常情况做出妥善处理。另一方面，在激烈的比赛中，机器人和球都是处于高速运动的目标，机器人 必须在很短的时间内做出决策。由于视觉系统提供的数据将用来进行决策分析，并且运动控制指令是靠决 策系统发出的，因此视觉系统获取和处理数据的快慢将极大地影响机器人运动的灵活性。然而，比赛场地 中的目标物体主要靠颜色来区分，如此大的数据量再加上实时性的要求，这就要求视觉系统能够快速处理 图像信息，并对日标进行准确的识别和跟踪。由上述分析可见，中型组机器人中视觉信息的获取、实时的 图像处理和目标识别是一项非常关键的技术。 2视觉系统的处理流程 +作者简介：刘载文(1954．)，男，北京人，教授，博士，研究领域：智能控制与网络测控、图像处理、机器视觉 信号转化成模拟电信号。由于计算机处理的是数字信号，所以通过视频采集卡将模拟彩色图像转换为数字 彩色图像并存入主机内存，图像处理软件从内存中读入图像数据并对其进行处理。首先，对获得的图像先 进行预处理，预处理主要有下面几个功能：(1)去除噪声；(2)去除由于摄像机运动引起的模糊：(3)改善图像 对比度；(4)修正投影几何变形。通常采用的方法有图像增强，图像平滑，锐化等基本操作。然后，对预处 理之后的目标图像根据选定的颜色空间模型，通过计算分析采样数据的颜色特征得到颜色阈值信息。利用 颜色阈值信息进行目标分割，计算出机器人和球的位置坐标及方向。视觉系统将各个机器人和球的图像数 据传送给决策系统，完成一次图像采集、传输和处理循环。 图l视觉系统工作流程 3基于HSI颜色空间的图像分割 在RoboCup中型组比赛环境中，与比赛相关的大部分目标物体，如：球、球门、场地、双方队员等都 是颜色特定的物体，所以基于颜色特征的图像分割方法成为主要的图像处理方法。其中，颜色空间模型的 选择和阈值分割方法的优化是基于图像颜色分割的目标识别中两个根本问题。目前，传统的图像颜色分割 特征的空间聚类法是足球机器人视觉处理较为常用的一种方法，其基本原理是将一幅彩色图像聚为直方图 中的几类，据此将图像中的像素根据其颜色划分为相互独立的子集，每一类都对应着图像中的目标。但是