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精品.pptVIP

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 1 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 2 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， 3 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 4 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 5 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 考虑到图像的实时性，选 择运算相对简单的算法5标 准模型算法，提高预算速度 以保证视频的实时性。 6 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 ImageData IPlImage Other info 提取出BYTE[]字节数组 大小为[width*height*3] 通过算法5，将每个像素的 BGR分量转换为HSI分量 图像的HSI[]字节数组 BGR BGR BGR BGR BGR BGR BGR BGR BGR BGR BGR BGR 通过对HSI阈值的分类，将在设定范围的像素标记在一个srcMap里方便后面的调用显示 0000111100000000000000000000000000000000011111111110000000000000000011111110000000000000000000001111110000000000000000000011111100000000000000000001111100000000000000000111111111111100000000000000000000000000 srcMap[width*height] 7 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 8 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 9 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 10 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 11 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