基于全景视觉的网球服务机器人的设计与研究研究生开题报告PPT.pptxVIP

导 师 姓 名 王凯 基于全景视觉的网球服务机器人的设计与研究 图像的采集与预处理 网球的识别算法 Windows软件的设计与实现 图像的采集 开源计算机视觉库opencv2.4.9 全景视觉摄像机 usb 得到图像，在opencv中用结构体IplImage来承载图像， 图像的预处理 颜色空间： RGB：最常用最直观的颜色空间，使用红(Red)绿(Green)蓝(Blue) 三个颜 色分量来描述颜色 YUV：视频中常见的颜色格式，Y为亮度分量， UV为色差分量 HSI： 是从人的视觉系统出发，用色调（Hue）、 色饱和度（Saturation）和亮度（Intensity） 来描述色彩 图像的预处理 对每一帧图像进行预处理： 将IplImage所承载的图像从RGB色域转换到HSI色域，方便后面通过阈值算法识别网球 转换 色彩识别 颜色阈值 RGB 容易获取，通常视频流及图片格式都支持 对纯色系的识别简单，但受亮度影响较大 没有将照度等信息剥离，难以进行颜色阈值的划分 YUV 获取较简单，部分视频捕捉设备可直接输出，从RGB转换也较简单 将亮度分量剥离，各颜色分布集中，可用于颜色识别 需要设定多个阈值范围，阈值参数的调整较复杂 HSI 一般从RGB转换而来，转换算法较复杂 有专门的色调分量，同时亮度分量也被剥离，适合进行颜色识别 阈值划定简单，只需要在色调分量上进行范围划定，同时限定一个亮度最低值 图像的预处理 1 对每一帧图像进行预处理，将其从颜色空间RGB转换到HSI，方便后期的阈值算法对网球的识别 原始图像 预处理后的图像 网球的识别 1 通过对已映射出的srcMap表进行颜色域的连通性检测， 然后通过色域识别网球 第一阶段，找出srcMap表中色域点 将其映射到Map中。 1扫描srcMap第一行像素特殊处理，其中被标 记的直接放入Map 2扫描第二行到倒数第二行，如果该点边缘点则 直接放入Map，如过不是，则扫描其周围的8 个点，并将8个点全部标记放入Map srcMap Map 3扫描srcMap最后一行像素特殊处理，其中被标 记的直接放入Map 网球的识别 1 通过对已映射出的srcMap表进行颜色域的连通性检测， 然后通过色域识别网球 第一阶段，找出srcMap表中色域点 将其映射到Map中。 srcMap Map 网球的识别 1 通过对已映射出的srcMap表进行颜色域的连通性检测， 然后通过色域识别网球 第二阶段，在Map中找出连续点， struct DomainNode { int x; int y; int sum; int top; int bottom; int left; int right; DomainNode* next; }; 通过链表节点DomainNode，创建色域链表 统计色域信息 网球的识别 1 通过对已映射出的srcMap表进行颜色域的连通性检测， 然后通过色域识别网球 第二阶段，在Map中找出连续点， 每扫描到一个标记点，为其创建一个result节点，并通过临时节点toscan创建链表统计其周围8个点的信息，然后继续向外扩散直到没有连续像素为止。 1、result的top bottom right left 信息挑选里面最优的坐标。 2、将该标记点以及其周围的8个点中被标记点的坐标信息统计，算出x与y的平均值 top left bottom right 网球的识别 1 通过对已映射出的srcMap表进行颜色域的连通性检测， 然后通过色域识别网球 第二阶段，在Map中找出连续点， 通过对整个Map的扫描遍历，得到一个result链表，其中链表的每个节点包含图像中每一块色域的像素数量，平均坐标值，以及top bottom left right 坐标信息。通过result的信息来识别网球。 考虑到网球场的颜色单一性质，球场与网球的颜色对比比较大，没有干扰颜色，将识别策略暂时定为色域最大的区域作为网球。 网球的识别 1 利用MFC与opencv设计出一个窗口程序，显示识别的网球。 网球的识别 1 利用MFC与opencv设计出一个窗口程序，显示识别的网球。 下一步计划 优化图像识别算法，更好的识别网球及其位置 与机器人运动部件连接，通过串口信息控制机器人移动并捡球 完成论文 谢谢您的聆听