智能足球机器人系统第10章智能中型足球机器人的软体结构.pptVIP

防守 * * 10.4智能中型足球机器人运动控制子系统 * * 速度分解 * * 根据前面章节介绍的决策子系统的输出量有四个：x方向的速度，y方向的速度，角速度，射门信号。其中三个速度信号均为浮点数，单位为米，鉴于FPGA对浮点数处理能力有限，运动控制子系统会将这三个速度信息再做一次处理。 在这里所要做的就是将三个速度分解为三个轮子的转速，单位为rpm。速度分解的公式如下： v1 =-(-sin30°*vx+cos30°*vy+ Radius*w)；（10.30） v3=-(-sin30°*vx+(-cos30°)*vy+Radius*w)；（10.31） v2=-(vx+Radius*w)；（10.32） 续 * * 其中v1、v2、v3为三个轮子的转速，vx、vy、w分别为x方向速度、y方向速度、角速度，Radius为机器人半径 再换算成rpm为单位： speed1 = VToRPM* v1； speed2 = VToRPM* v2； speed3 = VToRPM* v3； 其中speed1、speed2、speed3 为换算之后的轮速，VToRPM为一个比例系数。 踢球信号Delaytime是一个延时信号，以毫秒为单位。通过控制延时的长短，来控制气阀的充气时间，以达到控制射程的目的。 通讯协议 * * 在将数据发送给FPGA时，轮速和踢球信号分开发送。轮速是每一帧都要发送，踢球信号只在需要踢球的时候才发送。 发送轮速数据的协议如下： 第一个地址位：86 第二个地址位：speed1高八位 第三个地址位：speed1低八位 第四个地址位：speed2高八位 第五个地址位：speed2低八位 第六个地址位：speed3高八位 第七个地址位：speed3低八位 第八个地址位：0 第九个地址位：0 第十个地址位：13 续 * * 发送踢球信号的协议如下： 第一个地址位：0x4B 第二个地址位：延时时间Delaytime高八位 第三个地址位：延时时间Delaytime低八位 第四个地址位：0 第五个地址位：0 第六个地址位：0 第七个地址位：0 第八个地址位：0 第九个地址位：0 第十个地址位：0x0D 把运动控制信号发送之后，底层的运动控制芯片FPGA会可靠地、实时地达到这一速度，完成整个系统的输入与输出过程。 思考题 * * 1. 全景镜和摄像机的配合，要注意哪些方面的问题? 2. 提取白线点，可以使用哪些方法？各有什么优势？ 3. 为什么场地颜色标定要用颜色查找表而不是使用阈值？如果要使用阈值判断场地颜色，要如何使用？ 4. 区域跟踪算法有哪些优缺点？ 5. 除了使用颜色来识别球，还有什么方法能够识别球？尝试实现一种任意颜色球的识别方法。 6. 智能中型足球在机器人可以没有自定位吗？为什么？如果没有自定位，对其他部分的算法实现有什么影响？ 7. 通讯子系统中服务机还可以监视哪些信息？ 8. 通讯子系统中机器人直接还可以共享哪些信息？ 9. 如果监视和共享的信息量（bps）增大，会有什么影响？如何确定信息量的上限？ 10. 本书中的决策子系统的设计有哪些缺陷？尝试做出改进。 识别障碍物 * * 球识别 * * (1) 橘红色球识别 同自定位一样，检测球也是从提取轮廓开始。首先用Region Tracker提取图像轮廓，再搜索非场地的区域中的类球点。对于特定颜色球的识别，类球点比较容易获取。颜色就是球的特征，这里定义一个颜色空间的区间，如对于HSV颜色空间，不妨取5H35且180S230的颜色像素点为类球点。如果某一个区域中的类球点占整个区域的像素点的总数的比例超过预先定义的阈值，则再将这些点聚合在一起，放在一个矩形检测框内。在该框内将图像二值化，对这些点群提取边线，再用椭圆去拟合边界来判断是否是球。 对球的判断的准确性有一个指标，称为相似度，相似度可以由三个权重来度量：近似椭圆的程度，类球点数与所在轮廓的所有点数之比，检测轮廓的尺寸相近程度。 类似于双目摄像头的多摄像头的数据融合得到的空间点云数据，反应球在三维空间中的位置 * * 任意颜色球识别 * * 依靠颜色来识别球就意味着需要对颜色进行分类，定义某些颜色为球的颜色，通常使用阈值颜色分类，或者通过颜色查找表确定颜色的分类。但是这些做法非常依赖于光线的变化，极不稳定。如果换一个新的足球，即使光照不变，也需要重新对颜色进行分类。为了克服这一缺点，必须以球的形状为特征，来进行识别。 过去的几年中，球形物体的识别成为了机器人足球的热点，并且取得了一些突破，其中之一借鉴了P.Viola使用adaboost进行人脸识别的方法。Adaboost 用来获得分类器，可以使很多分类功能并不好的分类器联合组成一个分类性能好的分类器。为了把adaboost应用在机器视